Clase 01 (Introduccion al Curso) - Zaida Moreno Páez

Vista previa del material en texto

Econometŕıa I – EAE-250A
Introducción al Curso
Jaime Casassus
Instituto de Econoḿıa
Pontificia Universidad Católica de Chile
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 1 / 18
Tabla de Contenidos
1 ¿Qué es Econometŕıa?
2 Método cient́ıfico en Econoḿıa
3 Estructura de los datos en Econoḿıa
4 Causalidad y análisis ceteris paribus
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 2 / 18
¿Qué es Econometŕıa?
• Econometŕıa es la ciencia que prueba las teoŕıas de la Econoḿıa.
• Econometŕıa es el proceso de ajuste de modelos matemáticos teóricos
a datos del mundo real.
• Econometŕıa es el conjunto de herramientas empleadas para predecir
valores futuros de variables económicas, como las ventas de una firma
o los retornos accionarios.
• Econometŕıa es la ciencia y el arte de usar datos históricos para
apoyar la toma de decisiones de gobiernos, empresas y personas.
• Econometŕıa es una aplicación del método cient́ıfico en econoḿıa.
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 3 / 18
Tabla de Contenidos
1 ¿Qué es Econometŕıa?
2 Método cient́ıfico en Econoḿıa
3 Estructura de los datos en Econoḿıa
4 Causalidad y análisis ceteris paribus
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 4 / 18
Método cient́ıfico
• Proceso por el cual los cient́ıficos de manera colectiva y sostenida en
el tiempo intentan construir una representación confiable, congruente,
y no arbitraria de las causas de los fenómenos.
• Etapas conceptuales del método cient́ıfico
Observación
y descripción
Formulación
de una
Hipótesis
Deducciones
Pruebas
emṕıricas
• La prueba emṕırica consiste en rechazar o no la hipótesis.
• Cuando un investigador señala que “no se rechaza una hipótesis al
90%”, quiere decir que si la hipótesis es verdadera, el medio de
prueba va a indicar que la hipótesis es cierta un 90% de las veces.
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 5 / 18
Método cient́ıfico (cont.)
• El experimento puede fallar si:
◦ Se rechaza una hipótesis cuando ésta es verdadera.
◦ No se rechaza una hipótesis cuando ésta es falsa.
• El problema más grave es no rechazar una hipótesis cuando ésta es
falsa porque hace creer al investigador que la teoŕıa es congruente con
los datos.
• Potencia de la prueba.
• Siempre el investigador debe señalar el grado de precisión del análisis
o el error de medición envuelto en el estudio (su objetivo es minimizar
la incertidumbre y el riesgo respecto a estos).
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 6 / 18
Modelación econométrica
Teoŕıa
Modelo Teórico
Actual Proceso
Generador de Datos
Datos Observados
Modelo Estimable Modelo Estad́ıstico
Modelo Econométrico
Estimación, especificación,
reparametrización, selección del modelo
Predicción, evaluación de poĺıtica
Modelo Econométrico Emṕırico
Spanos (1986)
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 7 / 18
Modelación econométrica (cont.)
• Teoŕıa: Una construcción conceptual que provee una descripción idealizada
del fenómeno dentro de su ámbito, el cuál nos permite buscar explicaciones
y predicciones relacionadas con el actual proceso generador de datos (PGD).
• Proceso generador de datos (PGD): El mecanismo que subyace al fenómeno
de interés observado.
• Modelo teórico: Formulación matemática de la teoŕıa.
• Datos observados: Observaciones de las variables (proxies) seleccionadas
(por la teoŕıa).
• Modelo estimable: Una forma particular del modelo teórico, el cuál es
potencialmente estimable en vista del actual PGD.
• Modelo estad́ıstico: Formulación probabiĺıstica que pretende proveer un
resumen adecuado de la información muestral con el objetivo de analizar el
modelo estimable en su contexto.
• Modelo econométrico emṕırico: Reformulación del modelo estad́ıstico
estimado en vista del modelo estimable, el cuál puede ser usado para
describir, explicar o predecir.
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 8 / 18
Modelación econométrica (cont.)
Teoŕıa
Modelo Teórico
Actual Proceso
Generador de Datos
Datos Observados
Modelo Estimable Modelo Estad́ıstico
Modelo Econométrico
Estimación, especificación,
reparametrización, selección del modelo
Predicción, evaluación de poĺıtica
Modelo Econométrico Emṕırico
Modelo Probabiĺıstico
Modelo Muestral
Aprox. del PGD
- Verificar si existe una
buena especificación
estad́ıstica
-Testeo de las hipótesis
subyacentes al modelo
estimable
No sistemático
Modelo Matemático
Incorpora las
proxies de las
variables teóricas
(derivadas del
actual PGD)
Elección de las variables y la
forma funcionalCausalidad
y = f (x1, x2, . . . , xk )
Φ = {f (y ; θ), θ ∈ Θ}
y = (y1, y2, . . . , yn)
yi = E [yi |ξ] + µi
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 9 / 18
Ejemplos de preguntas econométricas
• ¿Qué factores determinan los retornos accionarios?
◦ La teoŕıa dice que los retornos accionarios están determinados por su
covarianza con el retorno del mercado.
◦ ¿Son consistentes los datos históricos con la teoŕıa?
• Aprendizaje y tamaño de las salas de clases
◦ En salas de clases con un menor número de estudiantes, cada uno
recibe mayor atención del profesor y aprende más.
◦ ¿Se debe invertir en salas de clases más pequeñas o en más bibliotecas?
• Impuestos al tabaco y población de fumadores
◦ Debido a que los costos de fumar son absorbidos por todos los
miembros de la sociedad y no solamente por los fumadores, existe un
rol del gobierno en reducir el consumo de cigarrillos.
◦ ¿Cuál es la elasticidad precio de la demanda de los cigarrillos?
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 10 / 18
Tabla de Contenidos
1 ¿Qué es Econometŕıa?
2 Método cient́ıfico en Econoḿıa
3 Estructura de los datos en Econoḿıa
4 Causalidad y análisis ceteris paribus
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 11 / 18
Tipos de datos en Econoḿıa
• Las estructuras de datos más importantes son:
◦ Los datos de corte transversal
◦ Las series de tiempo
◦ Las combinaciones de datos de corte transversal
◦ Los datos de panel o longitudinales
• En general, hay pocos datos en econoḿıa y muchas veces con errores
de medición.
• Además, en problemas económicos no resulta factible realizar un
análisis experimental en circunstancias absolutamente controladas.
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 12 / 18
Datos de corte transversal
• Los datos de corte transversal son mediciones de distintas entidades
en un mismo punto del tiempo. Son como una foto.
• Estas entidades pueden ser personas, hogares, firmas, industrias,
ciudades, regiones, páıses, etc.
• Por lo general estas entidades tienen un identificador.
• Un ejemplo de datos de corte transversal son los de la encuesta
CASEN.
• Otros ejemplos.
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 13 / 18
Series de tiempo
• Una serie de tiempo es una secuencia de observaciones en un
intervalo de tiempo.
• Este intervalo no necesariamente es el mismo que indica un reloj. Por
ejemplo, para el mercado accionario el viernes es seguido por el lunes.
• Ejemplos de este tipo de datos son el Índice de Precios del
Consumidor y el Producto Interno Bruto, que se miden con frecuencia
trimestral, anual, etc.
• Mientras los datos de corte transversal aparecen con mayor frecuencia
en análisis microeconómicos, las series de tiempo aparecen en análisis
macro.
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 14 / 18
Combinación de datos de corte transversal
• Seŕıa idea tener mediciones en el tiempo de las mismas entidades:
personas, hogares, firmas, etc.
• Pero ¿qué tan probable es que estas mismas vuelvan a ser
seleccionadas en una nueva encuesta a partir de un muestreo aleatorio
simple?
• Se agregan distintas muestras de encuestas de corte transversal a
nivel de grupos que podemos reconocer indistintamente. Cada
observación se identifica mediante los sub́ındices i y t.
• Ejemplo: serie de ingresospromedio de las comunas de Santiago a
partir de la encuesta CASEN.
• Sin embargo, lo ideal es tener repetidas mediciones de las mismas
unidades al nivel más desagregado posible.
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 15 / 18
Datos de panel o datos longitudinales
• Los datos de panel o datos longitudinales constan de mediciones de
las mismas entidades a lo largo del tiempo.
• La ventaja de estos datos por sobre los anteriores es que permiten
monitorear el comportamiento al nivel de la unidad de observación.
• Estos datos permiten:
◦ Estudiar transiciones entre estados
◦ Analizar el efecto de determinadas intervenciones de poĺıtica
◦ Implementar modelos de comportamiento
◦ Controlar por variables no observables
◦ Controlar por efectos espećıficos
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 16 / 18
Tabla de Contenidos
1 ¿Qué es Econometŕıa?
2 Método cient́ıfico en Econoḿıa
3 Estructura de los datos en Econoḿıa
4 Causalidad y análisis ceteris paribus
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 17 / 18
Análisis causal y ceteris paribus
• En casi todo análisis econométrico queremos determinar si es que una
variable tiene un efecto causal en otra variable.
• Correlación vs. causalidad
• Análisis ceteris paribus
◦ Ceteris paribus significa con lo demás constante.
◦ Si no mantenemos los otros factores fijos ¿cómo podemos aislar y aśı
cuantificar el efecto de nuestra variable de interés?
Casassus (UC) EAE-250A - Econometŕıa I 2-Mar-16 18 / 18
	¿Qué es Econometría?
	¿Qué es Econometría?
	Método científico en Economía
	Método científico
	Modelación econométrica
	Ejemplos de preguntas econométricas
	Estructura de los datos en Economía
	Tipos de datos en Economía
	Datos de corte transversal
	Series de tiempo
	Combinación de datos de corte transversal
	Datos de panel o datos longitudinales
	Causalidad y análisis ceteris paribus
	Análisis causal y ceteris paribus