UPDS

CARRERA INGENIERIA COMERCIAL

MATERIA: ECONOMETRÍA

TEMA 1: INTRODUCCIÓN A LA
ECONOMETRÍA
TEMA 2: MODELO LINEAL
 OBJETIVOS:
• Definir conceptos básicos y fundamentales de estadística
y econometria
• Comprender los fundamentos de la teoría econométrica
para visualizar las posibilidades de aplicación apropiada
en la descripción y comprensión de las relaciones entre
fenómenos económicos reales.
• Formular y especificar modelos adecuados que
representen relaciones simples y multiecuacionales
sencillos entre variables económicas que representan
una o mas teorías económicas.
• Utilizar los métodos estadísticos adecuados a cada caso
particular de los diferentes problemas econométricos,
así como interpretar los resultados estadísticos en
función de la teoría económica que trata.
 SISTEMA DE EVALUACIÓN
• PRIMER PARCIAL (40)

• FINAL (40)

• ACTIVIDADES (20)
 ¿Cómo surge la Econometría?

• La Econometría, utilizada por primera vez por Pawel

Ciompa en 1910, y que fue originalmente adoptada
por Shumpeter (1933) haciendo especial énfasis en
el aspecto de cuantificación (medición) de los
fenómenos económicos.

• La Econometría, como disciplina, surge en el 1º

Encuentro de la sociedad econométrica en Cleveland,
Ohio (USA) en 1930, como una iniciativa de
economistas, matemáticos y estadísticos muy
relevantes.
 Cuestiones básicas
¿Cuál es la elasticidad-precio de los cigarrillos?
¿Cuál es el efecto de reducir el tamaño de la
clase en las notas de los estudiantes?
¿Cuál es el rendimiento, en términos de salario,
de un año adicional de educación?
Si aumenta el tipo de interés en un 2% ¿cuánto
variará la tasa de crecimiento del PIB?
 ¿Que es Econometría?

TEORIA
POR QUÉ
ECONOMICA

ECONOMETRIA CUÁNTO
 CONCEPTO DE ECONOMETRÍA Y SUS
FUNCIONES
• Algunas definiciones:
Samuelson:
“La econometría es definida como el análisis cuantitativo de los
fenómenos económicos reales basados en el desarrollo
simultaneo de la observación y la teoría, relacionados mediante
métodos apropiados de inferencia”.

Henry Theil:
“La econometría se refiere a la determinación empírica de las
leyes económicas”.
 VALAVANIS:
“La misión de la econometría es expresar las
teorías económicas en términos matemáticos
para verificarlas por métodos estadísticos y para
medir la incidencia de una variable sobre otra,
así como para poder predecir los sucesos
futuros o aconsejar las políticas económicas que
deben seguirse cuando se desea un resultado
determinado”.
¿Qué es la L a Econometría trata de la aplicación
ECONOMETRÍA? de la CIENCIA ECONOMICA, la
MATEMÁTICA y ESTADÍSTICA con el
fin de:
1. Probar hipótesis ( teorías)
“Medición Económica”. 2. Estimar
3. Predecir o pronosticar los
fenómenos económicos

COMPONENTES
ESENCIALES

MODELOS DATOS
 ¿Cuáles son las funciones de la econometría?

La econometría tiene básicamente tres funciones estrechamente

interrelacionadas.

1) Probar teorías económicas o hipótesis.

Por ejemplo, ¿está el consumo
directamente relacionado con el ingreso?,
¿está la cantidad demandada de un artículo
inversamente relacionada con su precio?.
2) Dar estimaciones numéricas de los La Econometría da
coeficientes de las relaciones económicas. contenido empírico a
Estos son esenciales en la toma de gran parte de la teoría
decisiones. Por ejemplo, un asesor económica
gubernamental necesita tener una
estimación exacta del coeficiente de la
relación entre consumo e ingreso con el fin
de determinar el efecto estimulante de una
reducción de impuestos propuesta.
3) La predicción de sucesos económicos
10
REPRESENTACIÓN GRÁFICA
Diagrama de dispersión
 Conjunto de una o mas relaciones o
¿Qué son los ecuaciones que expresan en forma
MODELOS generalizada y resumida las
ECONOMETRICOS características fundamentales de
determinada realidad

¿Que es un modelo?

Fenómenos
económicos son
inexactos y erráticos
INTRODUCIR EL
TERMINO DE
PERTURBACION “U”
 TIPOS DE MODELOS

Por el tipo de variables

Por la forma funcional

Por la unidad de análisis

Por el tipo de variables que contiene

Por el numero de ecuaciones

Por el tipo de datos

METODOLOGÍA DE LA ECONOMETRÍA
Planteamiento de la teoría
economica

Especificación del modelo

econométrico dirigido a probar la
teoría

Estimación de los parámetros del

modelo

Verificación o inferencia estadística

Predicciones o pronósticos

Utilización del modelo para fines de

control o formulación de políticas
REPASO DE ESTADISTICA………
 ¿QUÉ ES LA ESTADISTICA?
En nuestro lenguaje podemos decir que la estadística “es la ciencia
que trata de la recopilación, organización, presentación, análisis e
interpretación de datos numéricos con el fin de efectivizar decisiones
y sacar conclusiones validas, para poder predecir fenómenos que
puedan expresarse en forma cuantitativa”.

Estadística Descriptiva
Describe las posibles regularidades o de un
conjunto de datos.
ESTADÍSTICA Consiste en la presentación de datos
en forma:

Estadística Inferencial
Generaliza los resultados de una parte de
la población (n).
 POBLACIÓN Y MUESTRA
Muestra

Población

Finita Infinita

Puede ser: En la práctica:

Físicamente listada. No puede ser
Contiene un número físicamente listado.
finito de unidades de
muestreo.
 CENSO Y MUESTREO

PARÁMETROS Y ESTADÍGRAFOS

µ; σ²; σ; ςν y; s²; s; cv
N n
 ELEMENTOS Y CARACTERES

CARACTERES

Variables Cualitativas Variables Cuantitativas

V. Nominales: V. Ordinales V. Discreta V. continua

Si sus valores no se pueden Si sus valores se Si toma valores Si entre dos

ordenar pueden ordenar enteros valores, son
• Sexo, Grupo Sanguíneo, • Grado de • Número de hijos, posibles infinitos
Religión, Nacionalidad, Fumar satisfacción, Número de valores intermedios
(Sí/No) Intensidad del color desempleados • Altura, ingreso
mensual
 FUENTES DE INFORMACIÓN
Censo
Encuestas
I. PRIMARIAS Observación
Reuniones de Grupo
Entrevistas en profundidad

Balances
Internas Estados Contables
Ventas
I. SECUNDARIAS
Publicaciones – INE
Externas Folletos
INFORME MILENIO, Revistas
 DISTRIBUCION DE VARIABLES
• DISTRIBUCIONES UNIDIMENSIONALES: se
estudia una sola variable para su investigación
• DISTRIBUCIONES BIDIMENSIONALES: dos
variables al mismo tiempo.
• DISTRIBUCIONES MULTIDIMENSIONALES: tres
o mas variables
 DISTRIBUCIONES
UNIDIMENSIONALES
MEDIDAS DE TENDENCIA CENTRAL
O POSICIÓN CENTRAL
Resumen la información recolectada en Indicadores que
reflejan la forma en que los datos se agrupan o concentran
alrededor de ciertos valores de una variable en estudio.
• Media Aritmética
• Media Ponderada
• Mediana
• Moda
• Media Geométrica
• Media Armónica
 MEDIDAS DE DISPERSIÓN
Llamamos medidas de dispersión a aquellos indicadores que muestran el grado de
alejamiento de las variables en torno a un valor central.

El gráfico siguiente nos da una idea de

dispersión de los datos con respecto al valor
central, y este es el objetivo de las medidas
de dispersión.

Las siguientes medidas son:

• Rango.
• Desviación intercuartil.
• Desviación Semiintercuartil.
Componentes de la Varianza:
• Desviación Media.
• Intervarianza
• Varianza. Varianza Total
• Intravarianza
• Desviación Típica o Estándar.
• Coeficiente de Variabilidad.
 MEDIDAS DE FORMA
Las medidas de forma permiten conocer la forma o característica que tiene la curva que
representa la serie de datos de la población o muestra. Las medidas de forma ayudan a
determinar el grado de simetría y el de apuntamiento de la distribución.

• Medida de Asimetría
Distribución simétrica Asimetría Positiva Asimetría Negativa

Mo<Me<Y

Existe la misma concentración Existe mayor concentración Existe mayor concentración de

de valores a la derecha y a la de valores a la derecha de la valores a la izquierda de la media
izquierda de la media. media que a su izquierda. que a su derecha.

Coeficiente de asimetría mide el grado de Simetría / Asimetría de una distribución

1er Coeficiente de Pearson 2do Coeficiente de Pearson

𝑌ത − 𝑀𝑜 ′
3(𝑌ത − 𝑀𝑒)
𝐶𝐴 = 𝐶𝐴 =
𝑆 𝑆
• Mediada de Apuntamiento

Curva Platicúrtica Curva Mesocúrtica Curva Leptocúrtica

Aplanado Intermedio Delgado

La distribución es La distribución es La distribución es

menos apuntada. moderadamente más apuntada.
apuntada.

Coeficiente de Curtosis
σ 𝑌𝑖 − 𝑌ത 4 𝑛𝑖
𝐶𝐶 = 𝑛 −3
(𝑆 2 )2

El coeficiente de Curtosis mide el grado de apuntamiento de la curva

(distribución).
 MODELO LINEAL
ANALISIS DE REGRESION Y CORRELACION

Relación entre variables cuantitativas

 Ecuación de una recta.
 Regresión: definición e importancia
 El método de los mínimos cuadrados: definición e importancia.
 Estimación de una ecuación de regresión lineal simple por el método de los
Mínimos Cuadrados.
 Coeficiente de Correlación y Determinación: definición, cálculo e interpretación.

Relación entre variables cualitativas

 El Coeficiente de correlación por Rangos de Pearson: definición, cálculo,

importancia e interpretación.
 La prueba Chi-Cuadrado de Pearson: definición, cálculo, interpretación e
importancia.
 Coeficientes de Asociación
 La asociación entre variables presenta dos aspectos distintos
pero estrechamente relacionados:

ANÁLISIS DE REGRESIÓN SIMPLE ANÁLISIS DE CORRELACIÓN SIMPLE

Establece la naturaleza de la Determina el grado o la fuerza de la

relación entre variables, estudia la relación o asociación entre las
relación funcional entre las variables variables
y por tanto proporciona un
mecanismo de predicción o
pronóstico
Objetivo del Análisis de Regresión

El análisis de regresión se utiliza con el propósito de hacer predicciones, y su

objetivo es el desarrollo de un modelo estadístico que pueda ser utilizado para
predecir los valores de una variable de respuesta o dependiente basados en los
valores de una variable independiente o explicativa.
En regresión los datos provienen de observaciones efectuadas en dos variables,
las distribuciones formadas para tales conjuntos de datos se denominan
bivariantes o bivariadas.

Diagrama de Dispersión NUBE DE PUNTOS

Y Yc
Representación Gráfica de una
Distribución Bidimensional.

Y1 (X1 , Y1)

X1 X
 Recta de regresión Pendiente

yn
yn 1 yˆ i
y3
u3 ui
yi
y1 yi
y2

Intercepto
x1 x2 x3 xi xn 1 xn

yi  a  bxi  ui ui  yi  yˆi
Error
 Y

Y Y

Relación Curvilinea X
Positiva

Relación Lineal Positiva X Relación Lineal Positiva X Y

Y Perfecta
Y

Relación Curvilinea X
Negativa
Relación Lineal Negativa X
Relación Lineal Negativa X Perfecta
Y

Relación Curvilinea X
X Positiva
No exixte relación
Función de Regresión
En el caso de que el Diagrama de Dispersión indique una relación de tipo
lineal muchas son las rectas que se pueden ajustar a la nube de puntos.

Dado un conjunto de datos bivariados (x,y) El Mátemático

Cómo se obtiene la recta de mejor ajuste? Francés Adrian
Legendre (s.XIX)
Cómo elegir una recta de tal modo que los Definió el método
errores o diferencias que se generan entre el que implica encontrar
valor real y el valor obtenido a través de la recta la Línea Recta que
ajustada sean mínimos? mejor se ajuste a los
datos

MÉTODO DE LOS MÍNIMOS CUADRADOS Simbólicamente:

n 2
Posee la propiedad de que la suma de los
cuadrados de las desviaciones de los valores
 Yi  Yc 
i 1
reales de “Y” o las distancias verticales de los
Yi  Valor Observado de y
puntos a la línea recta sea mínima .
Yc  Valor Calculado de y
(MMC con el valor correspondiente de x para y)
 ILUSTRACION GRAFICA DEL MÉTODO DE LOS MÍNIMOS
CUADRADOS
Y

Y2 (X2 , Y2)

e2+
(X2 , Ŷ2)

(X1 , Ŷ1)

e1-
Y1
(X1 , Y1)

X1 X2 X

Supongase que Yc=a+bx es la ecuación de una recta, donde (Yc) representa el

valor predicho (Y) que corresponde a un valor particular de (X).

El criterio de los MINIMOS CUADRADOS requiere que se encuentren constantes a y

b tales que la suma n 2 sea tan pequeña como sea posible.
 Yi  Yc 
i 1
Estimación de una Ecuación de Regresión Lineal Simple por el Método de los Mínimos
Cuadrados

El Análisis de Regresión Lineal Simple incluye DOS aspectos fundamentales:

ESTIMAR una variable a partir de otra

Encontrar una ECUACIÓN
para describir la forma de
relación entre las variables
variable; la variable que se estima es la
dependiente y la variable a partir del cual
se estima es la independiente.
X en Y
Y en X

La ecuación de la Línea recta es:

Y = a + bX donde:

Y= Variable dependiente
a= Valor de la ordenada en el origen
b= Pendiente de la recta
X= Variable independiente
 La Ecuación de la Recta de mejor ajuste está determinado por:

• La pendiente (b) indica la inclinación de la recta respecto al eje X.

y  a  bx • La ordenada en el origen (a) denominada intercepto o punto de corte de la
recta con el eje de las ordenadas.

Los valores de las Constantes que satisfacen el criterio de los Mínimos Cuadrados
se obtienen por medio del siguiente sistema de ECUACIONES NORMALES:

Resolviendo el Sistema de Ecuaciones

 y  na  b x 1ra Ecuación Normal a  y  bx

n xy    y  x 
 xy  a x  b x
2
2da Ecuación Normal b
 
n  x 2   x 
2

El coeficientes de regresión “a” es el valor que toma la variable dependiente “y” cuando la variable
independiente “x” vale cero.

El coeficientes de regresión “b” es el incremento negativo o positivo que sufre la variable dependiente “y”
cada vez que la variable independiente “x” se incrementa en una unidad.

La recta de regresión por Mínimos Cuadrados de “y” sobre “x” encontrada será:

Yc  a  bx
 Análisis de Correlación

Un modelo que nos permite hacer estimaciones o predicciones no estaría

completo sí no conocemos acerca de la intensidad de la relación o el grado de
asociación entre las dos variables en estudio.

El análisis de correlación se utiliza con el propósito de de disponer de un

indicador cuantitativo que permite sintetizar el grado de la asociación entre
variables.

Aspectos que contempla el Análisis de Correlación

La dirección o tipo de El grado de intensidad

La relación que pueda asociación
existir
Coeficiente de Correlación r de Pearson (r), (Rxy):

Es un coeficiente que mide el grado de la relación de dependencia que existe

entre las variables (x,y), cuyos valores van desde –1, correspondiente a una
correlación negativa perfecta, hasta 1, correspondiente a una correlación
positiva perfecta.

Y Y Y

X X X
Correlación Positiva Correlación Negativa Sin Correlación
Perfecta Perfecta r=0
r=1 r=- 1

“y” aumenta de una “y” disminuirá de una No esiste relación entre “x” e
manera perfectamente manera perfectamente “y”.
predecible conforme se predecible en la medida
incrementa “x” en que “x” aumenta
 Para llevarse a cabo un análisis de correlación de un conjunto de datos,
el coeficiente de correlación se calcula trabajando directamente con los
valores de las variables:

 n   n  n 
N   xi yi      xi    yi 
r  i 1   i 1  i 1 
La magnitud del Coeficiente de
  n 2   n 2    n 2  n  
2

 N   xi     xi    N   yi     yi   Correlación (r) indica cuan cerca

  i 1   i 1     i 1   i 1   están los puntos de la recta
• Cuando r = -1 existe una correlación
negativa perfecta, inversamente proporcional
r  Coeficient e de Correlació n Lineal
N  Numero total de pares de valores (x, y)
• Cuando r = 1 existe una correlación positiva
x  Puntaje no elaborado de una variable
perfecta, directamente proporcional
y  Puntaje no elaborado de la otra variable
 x  Suma de los valores de " x" • Cuando r = 0 las variables se denominan
 x  Suma de los cuadrados de " x"
2
incorrelacionadas o con ausencia asociación o
 y  Suma de los cuadrados de " y"
2
dependencia entre ellas
 xy  Suma de los productos " xy"
 x   Cuadrado de la suma de " x"
2
El grado de intensidad del coeficiente de
 y   Cuadrado de la suma de " y"
2 correlación será más fuerte, mientras más
se aleje r del valor cero.
Otra medida que se puede utilizar para expresar la relación entre dos variables
aleatorias es la COVARIANZA
 ( y)

Y Y
Yc

Dispersión de puntos respecto de la X X

Dispersión de puntos en lo referente
media del grupo a la línea
Relación entre la varianza total, la varianza explicada y la varianza residual:
Distancia Total a y “Error Total” o “Variación total”

Distancia de la línea de regresión a la y

Distancia de una observación individual a la línea de regresión

Y

Yc  a  bx

y y

Variación Explicada
R2 
Variación Total

VariaciónExplicada  VT  VNE
VariaciónTotal  VE  VNE
 S XY
yˆi  qa  bpxi  y  2  xi  x 
SX
El objetivo último de la regresión es la predicción de una variable para un
valor determinado de la otra. La predicción de Y para X = x0 será simplemente
el valor obtenido en la recta de regresión de Y sobre X al sustituir el valor de x
por x0. La fiabilidad de esta predicción será tanto mayor cuando mayor sea la
correlación entre las variables (es decir mayor sea R2 )

Dado un valor de la variable “X” que no ha sido observado, estimar el

correspondiente valor de “Y”
Dado x0 estimar yˆ0

S XY
ˆ 0  aq  bpx0  y  2
y  x0  x 
SX
EJEMPLO: Se tiene información sobre los gastos en propaganda y las ventas de la
empresa Alfa & Omega, en miles de bolivianos:
Años Gastos Ventas
2000 4 50
2001 6 70
2002 4 60
2003 2 30
2004 4 40
Se pide:
Determinar la Función de Regresión Lineal.
Interpretar los parámetros a y b.
Estime las ventas para un gasto en propaganda de 8000$.
Estime los gastos en propaganda para las ventas que alcanzan a 80000$.
Calcule las ventas promedio y los gastos promedio.
Calcule la varianza total, la varianza explicada y la varianza residual.
Calcule el Error Estándar de estimación e interprete.
Halle el coeficiente de Determinación (R2) e interprete.
Halle el coeficiente de correlación lineal simple (r) e interprete.
Grafique el diagrama de dispersión.
Grafique la función de regresión hallada.
Calcule el error o residuo de todos los años.