Hoja de datos econométricos para tontos

De Econometrics For Dummies

Por Roberto Pedace

Puede utilizar las herramientas estadísticas de la econometría junto con la teoría económica para probar hipótesis de teorías económicas, explicar fenómenos económicos y obtener estimaciones cuantitativas precisas de la relación entre variables económicas. Para realizar estas tareas con precisión, se necesitan habilidades de construcción de modelos econométricos, datos de calidad y estrategias de estimación apropiadas. Y tanto los supuestos económicos como los estadísticos son importantes cuando se utiliza la econometría para estimar los modelos.

Estimación econométrica y los supuestos del CLRM

Las técnicas econométricas se utilizan para estimar modelos económicos, que en última instancia le permiten explicar cómo varios factores afectan algún resultado de interés o para pronosticar eventos futuros. La técnica de mínimos cuadrados ordinarios (OLS) es el método más popular para realizar análisis de regresión y estimar modelos econométricos, porque en situaciones estándar (es decir, el modelo satisface una serie de supuestos estadísticos) produce resultados óptimos (los mejores posibles).

La prueba de que OLS genera los mejores resultados se conoce como el teorema de Gauss-Markov, pero la prueba requiere varias suposiciones. Estos supuestos, conocidos como los supuestos clásicos del modelo de regresión lineal (CLRM), son los siguientes:

  • Los parámetros del modelo son lineales, es decir, los coeficientes de regresión no entran en la función que se estima como exponentes (aunque las variables pueden tener exponentes).
  • Los valores de las variables independientes se derivan de una muestra aleatoria de la población y contienen variabilidad.
  • Las variables explicativas no tienen una colinealidad perfecta (es decir, ninguna variable independiente puede expresarse como una función lineal de ninguna otra variable independiente).
  • El término de error tiene una media condicional cero, lo que significa que el error promedio es cero en cualquier valor específico de la(s) variable(s) independiente(s).
  • El modelo no tiene heteroskedasticidad (lo que significa que la varianza del error es la misma independientemente del valor de la variable independiente).
  • El modelo no tiene autocorrelación (el término de error no muestra una relación sistemática en el tiempo).

Si uno (o más) de los supuestos del CLRM no se cumple (lo que los econometristas llaman fallar), entonces el OLS puede no ser la mejor técnica de estimación. Afortunadamente, las herramientas econométricas le permiten modificar la técnica OLS o usar un método de estimación completamente diferente si las suposiciones del CLRM no se mantienen.

Fórmulas útiles en Econometría

Después de adquirir los datos y elegir el mejor modelo econométrico para la pregunta que desea responder, utilice fórmulas para producir el resultado estimado. En algunos casos, debe realizar estos cálculos a mano (lo siento). Sin embargo, incluso si su problema le permite usar software econométrico como STATA para generar resultados, es bueno saber lo que la computadora está haciendo.

He aquí una mirada a los estimadores más comunes de un modelo econométrico junto con las fórmulas utilizadas para producirlos.

Análisis econométrico: Buscando la flexibilidad en los modelos

Es posible que desee permitir que su modelo econométrico tenga cierta flexibilidad, ya que las relaciones económicas rara vez son lineales. Muchas situaciones están sujetas a la «ley» de disminución de los beneficios marginales y/o aumento de los costes marginales, lo que implica que el impacto de las variables independientes no será constante (lineal).

La forma funcional precisa depende de su aplicación específica, pero las más comunes son las siguientes:

Problemas típicos Estimación de modelos econométricos

Si el modelo clásico de regresión lineal (CLRM) no funciona para sus datos porque una de sus suposiciones no se sostiene, entonces tiene que abordar el problema antes de que pueda finalizar su análisis. Afortunadamente, una de las principales contribuciones de la econometría es el desarrollo de técnicas para abordar tales problemas u otras complicaciones con los datos que hacen que la estimación del modelo estándar sea difícil o poco fiable.

La siguiente tabla enumera los nombres de los problemas más comunes de estimación, una breve definición de cada uno de ellos, sus consecuencias, las herramientas típicas utilizadas para detectarlos y los métodos comúnmente aceptados para resolver cada problema.

ProblemaDefiniciónConsecuenciasDetecciónSoluciónAlta multicolinealidadDos o más variables independientes en un modelo de regresión muestran
Grandes errores estándar e insignificantes.
t-estadísticas
Estimaciones de coeficientes sensibles a cambios menores en el modelo
especificación
Coeficientes sin sentido signos y magnitudesCoeficientes de correlación por pares
Factor de inflación de variación (VIF)1. Recopilar datos adicionales.
2. Vuelva a especificar el modelo.
3. HeteroskedasticityLa varianza del término de error cambia en respuesta a un cambio.
en el valor de las variables independientes.
Errores estándar sesgados
Pruebas de hipótesis poco fiablesPrueba de parque
Prueba de Goldfeld-Quandt
Prueba Breusch-Pagan
Prueba de blanco1. Mínimos cuadrados ponderados (WLS)
2. Errores estándar sólidosAutocorrelaciónExiste una relación identificable (positiva o negativa)
entre los valores del error en un período y los valores de los
Estimaciones de coeficientes ineficaces.
Errores estándar sesgados
Pruebas de hipótesis poco fiablesPruebas deeary o de funcionamiento
Prueba de Durbin-Watson
Prueba de Breusch-Godfrey1. Transformación Cochrane-Orcutt
2. Transformación de Prais-Winsten
3. Newey-West robustos errores estándar

Responder