Econometria Empresarial 1

TEMA 1: INTRODUCCIÓN A LOS MODELOS ECONOMÉTRICOS
1.1 ¿Qué es la Econometría? 1.2 Modelos económicos y econométricos 1.3 La modelización econométrica: Etapas en la elaboración de un modelo econométrico. 1.4 Información estadística. Tipos de datos.

1

Objetivos del Tema 1:
• • • • Definir y justificar el estudio de la Econometría. Mostrar los elementos de un modelo econométrico. Describirlas etapas de un análisis econométrico. Introducir los distintos tipos de datos económicos.

2

TEMA 1. INTRODUCCIÓN 1.1 Qué es la Econometría 1.2 Modelos económicos y econométricos 1.3 La modelización econométrica: Etapas en la elaboración de un modelo econométrico 1.4 Información estadística. Tipos de datos

Definiciones • La Econometría puede definirse como la ciencia social en la que seutilizan las herramientas de la teoría económica, las matemáticas y la inferencia estadística para el análisis de los fenómenos económicos (Goldberger). • La Econometría se ocupa de formular relaciones entre variables económicas, cuantificarlas y valorar los resultados obtenidos (AFG). Finalidad de la Econometría • La Econometría es una disciplina que utiliza métodos estadísticos en el análisis delos datos económicos con la finalidad de: - establecer y estimar relaciones económicas - contrastar teorías económicas - evaluar políticas económicas / empresariales - predecir
3

TEMA 1. INTRODUCCIÓN 1.1 Qué es la Econometría 1.2 Modelos económicos y econométricos 1.3 La modelización econométrica: Etapas en la elaboración de un modelo econométrico 1.4 Información estadística. Tipos de datosEjemplos • Ejemplo 1: Estimar relaciones económicas Función de consumo keynesiana: C = β0 + β1 RD β0 y β1 son desconocidos ⇒ Estimación • Ejemplo 2: Contrastar teorías económicas Función de consumo keynesiana: C = β0 + β1 RD Hipótesis: β0>0 ; β1> Mínimos cuadrados… 2) teclear en la pantalla principal lo siguiente:

MC

valacc 1 valcon

39

Tema 3. El modelo de regresión lineal múltiple(MRLM) 3.1 Planteamiento 3.2 Ajuste mínimo cuadrático del hiperplano de regresión 3.3 Propiedades descriptivas de los estimadores mínimocuadráticos 3.4 Coeficiente de determinación múltiple 3.5 Otras medidas de bondad de ajuste 3.6 Variables ficticias

Bibliografía: Notas_complementarias_2 de Uriel (N.C.2) Objetivos: • Descripción del MLRM • Interpretación de los parámetros • Derivar losestimadores MCO en el MRLM • Propiedades algebraicas de MCO en MLRM • Coeficiente de determinación múltiple • AIC • Introducir variables ficticias • Ficticias multiplicativas versus aditivas • Interpretación de los coeficientes de v. ficticias

40

3.1 Planteamiento. (pp.1-2 N.C.2)
• Es evidente que una variable puede ser influenciada o explicada por más de una variable, por lo tanto necesitamosampliar el MRLS. • El modelo de regresión lineal múltiple (MRLM) con K regresores (incluyendo el termino constante) se expresa como:

Como el tamaño de la muestra es T tenemos un sistema de T ecuaciones:

• Resulta más cómodo expresar el anterior sistema de ecuaciones en formato matricial:

y(Tx1) =

X(TxK)

β (Kx1)

+ u(Tx1)
41

• El MRLM en forma compacta se expresa como: ModeloTeórico:

y = Xβ + u

• Una vez que se hayan estimado los parámetros, el modelo estimado y los residuos mínimo-cuadráticos tomarán la forma: Modelo Estimado:

ˆ y = Xβ ˆ
ˆ u = y − y = y − Xβ ˆ ˆ ˆ

Residuos:

(Work to do now: establecer el orden de las matrices) • ¿La interpretación de los parámetros del modelo es igual que el MRLS?

p.ej: β 2 indica el cambio (promedio/esperado) en Ycuando se produce un cambio unitario en X 2 , manteniéndose constantes el resto de variables explicativas. (Analíticamente es la derivada parcial) • ¿La estimación de los parámetros será idéntica en el MRLS y en el MRLM?
42

3.2 Ajuste mínimo cuadrático del hiperplano de regresión (pp.2-4 N.C.2)
• Criterio: minimizar la suma de los cuadrados de los residuos (SCR).  En términos matriciales,...