Diapositivas T1 Econometria

Tema 1
1.1.- Resumen Histórico
Profesor: Fernando Isla Castillo
Fernando Isla Castillo
1.1. Resumen Histórico
Dentro de la historia de la Econometría se distinguen

varias etapas:
1. Precursores antes del siglo XX (antes de 1900)
Se desarrollan números de trabajos cuantitativos que datan
del siglo XVII (por ejemplo, se quiere explicar los ciclos
Económicos a partir de factores exógenos como las
fluctuaciones de las manchas solares.
Lección 1: Introducción 2
Grado de Economía. Curso 2020-21. Tema 1. pag. 1 1

2. Etapa de nacimiento de la investigación econométrica (1900-

1930)
La investigación econométrica nace con los primeros análisis
de la demanda de bienes de consumo (Moore-Schultz). La
Econometría como movimiento organizado nace en 1930 con
la fundación de la Econometric-Society (Sociedad
Internacional de Económetras) cuyos cuyos promotores fueron
FRISCH, FISHER y ROOS.
3. Etapa de aportaciones: el ciclo económico, los modelos

multiecuacionales y el enfoque probabilístico (1930-1944)
El énfasis de la investigación econométrica se traslada al
análisis de los ciclos económicos (Tinbergen y Frisch). Se
aplica por primera vez modelos multiecuacionales
(Tinbergen). Se desarrolla el enfoque probabilístico con
Haavelmo (1944). En 1932 se crea la “Cowles Commission”
como un movimiento organizado de la Econometríc Society
para promover la investigación econométrica bajo dos pilares:
- Tinbergen (modelos multiecuacionales)
- Haavelmo (enfoque probabilístico)

4. La época dorada (1944-1970)

La Cowles Commission publica varias monografías (Nº 10 y Nº
14) que marca el nacimiento de la Econometría con métodos
propios. En esta etapa se dan los ingredientes necesarios para su
desarrollo:
- Teoría Económica de Keynes.
- Modelos Multiecuaciones (identificación y estimación).
- Enfoque probabilístico de Haavelmo.
- Se dispone de Datos (series económicas de la
Contabilidad Nacional).
4. La época dorada (1944-1970)

Klein une estos ingredientes por primera vez para desarrollar un
gran modelo MACROECONÓMICO. Durante los años 50 y 60
prodigan los grandes modelos multiecuacionales a nivel nacional e
internacional (Proyecto LINK).
5. La década crítica (1970-1980)
En esta época se dan nuevas situaciones económicas que hasta
entonces no se habían dado (por ejemplo, paro e inflación a la
vez). Se produce una lluvia de críticas a los modelos
macroeconómicos que no eran capaces de explicar la nueva
situación económica (crítica de Lucas).

5. La década crítica (1970-1980)

Paralelamente se producen nuevos desarrollos:
- Análisis de series temporales (Box-Jenkins, 1970)
- Enfoque que combina el análisis de series temporales con los
modelos macroeconómicos multiecuacionales (Enfoque
SEMTSA de Zellner y Palm, 1974).
- Nuevos desarrollos de la escuela británica London School of
Economics (LSE), en especial sobre modelos dinámicos donde
destaca el trabajo de Davidson et al (1978) en el que se generaliza
el uso de Modelos de Corrección por el Error (MCE).
6. Avances metodológicos desde 1980 y tendencias acutales

Se producen nuevos desarrollos de la Econometría:
- Análisis de la Cointegración (Granger, 1981)
- Enfoque de Sims (Modelos VAR).
- Metodología de Henry (de lo “General a lo Específico”)
- Macroeconomía del equilibrio (tras la crítica de Lucas)
- Modelos estructurales de series temporales de Harvey (1989)
- Aportaciones de Leamer en la búsqueda del modelo “correcto”
Grado de Economía. Curso 2020-21. Tema 1. pag. 4

4
Tema 1
1.2.- Concepto de Econometría
1.2. Concepto de Econometría
Cuando nos proponemos el estudio de cualquier rama

del saber, es fundamental comenzar por definir dicha
materia. En este sentido, la historia de la Econometría nos
ha dejado muchas definiciones.
En el primer número de la revista econométrica
“Econometric Society”, Frish (1933) define:
“La Econometría es la unión de tres grandes disciplinas: la
Teoría Económica, la Estadística y las Matemáticas, para
la comprensión real de las relaciones cuantitativas en la
vida económica”

1
A la definición anterior debemos añadirle, hoy por hoy,

otra nueva disciplina en pleno desarrollo, esto es, la
informática.
ECONOMETRÍA
Teoría Económica
Estadística Matemáticas
Informática
Otra definición más amplia que destacamos es la del

profesor Otero (1978):
“La Econometría se ocupa de la cuantificación de los
fenómenos económicos y de la verificación de las Teorías
Económicas, haciendo uso para ello de las estadísticas
económicas (datos) y aplicando a tal fin métodos especiales
de inferencia estadística.
Estos métodos se aplican a modelos estocásticos que
expresan formalmente aquellas Teorías Económicas junto
con otras especificaciones relativas a los procesos
generadores de los datos económicos”

De la definición anterior, el profesor Otero pone de

manifiesto que:
Objeto de la Econometría: son los hechos económicos
Finalidad: Cuantificar las relaciones económicas y
verificar Teorías económicas, así como también hacer
predicciones y simulaciones de la propia realidad
observada.
Métodos empleados: Son los métodos de inferencia
estadística aplicados a modelos estocásticos utilizando los
datos disponibles.
Esto implica:
Tener un conocimiento descriptivo de la realidad
económica (es decir, tener los datos).
Aceptar que las relaciones económicas no son
deterministas o matemáticas, sino que hay componentes o
variables aleatorias (es decir, hablamos de modelos
estocásticos que son los Modelos Econométricos)

3
Ejemplo: la función de consumo keynesiana

La Teoría Económica de Keynes dice que hay una
relación estable entre Consumo y Renta en términos
reales.
Para expresar dicha Teoría Económica utilizamos un
MODELO que es una representación simplificada (en
forma matemática) de la realidad entre ambas variables.
Dicho modelo sería en este caso un MODELO
ECONÓMICO:
C = f (R)
Según la ley psicológica fundamental enunciada por

Keynes, el consumo es función creciente de la renta, pero
un incremento de la renta provoca siempre un incremento
de menor magnitud en el consumo conocido como
propensión marginal al consumo (PMAC).
Matemáticamente implica:
dC
0  PMAC  1
dR

4
Asimismo, Keynes considera que, una vez cubiertas

nuestras necesidades primarias, se tenderá a acumular, lo
que provoca que la proporción de renta que se ahorra sea
mayor a medida que la renta real aumenta:
dC C
  PMeC
dR R
Es decir, la propensión marginal al consumo es menor
que la propensión media.

El papel de la Teoría Económica ha sido, en este caso:
a) Especificar las posibles variables explicativas que
aparecen en el segundo miembro del modelo
económico. En nuestro caso sólo una.
b) Nos dice, a priori, cuál es el signo que debe tener la
relación entre la variable explicada y la explicativa.
En nuestro caso positivo.
Sin embargo, el MODELO ECONÓMICO, no permite
cuantificar la formación del consumo dada la renta, ni
verificar que 0 < PMaC < 1, ni hacer predicciones o
simulaciones.

5

Por ello, el paso siguiente es formular un MODELO
ECONOMÉTRICO.
 Un Modelo Econométrico es un Modelo Económico
que incluye las especificaciones necesarias para su
aplicación empírica.
El modelo econométrico podría ser el siguiente:
Ct  1   2 Rt  ut t  1,2,3...T
t  período de tiempo (meses,trimestres, años...)
1 y  2 son parámetros del modelo
u t es una variable aleatoria(término de error)

¿Cuáles son las especificaciones adicionales que hemos
introducido para convertir el Modelo Económico en un
Modelo Econométrico?
 La relación lineal entre las variables, es decir, la
forma funcional, f(R).
 Se ha introducido un término de error, ut (término
de perturbación o perturbación aleatoria), ya que
las relaciones no son deterministas, sino que existe
una incertidumbre en el comportamiento de los
agentes económicos.

6

 Las variables vienen referidas a un determinado
período de tiempo (el consumo en el período t
depende de la renta en el período t).
Podemos decir que los elementos de un Modelo

Econométrico son:
 las ecuaciones,
 las variables,
 los parámetros o coeficientes,
 los datos.
La siguiente problemática abordaría la estimación de

los parámetros o coeficientes del modelo econométrico.
¿ 1 y  2 ?
El método que vamos a ver se conoce como Mínimos

Cuadrados Ordinarios (MCO). La aplicación de dicho
método exige el cumplimiento de unas series de
hipótesis básicas del modelo. Todo ello lo abordaremos
en la lección 2.

7
El método que vamos a ver se conoce como Mínimos

Cuadrados Ordinarios (MCO). La aplicación de dicho
método exige el cumplimiento de unas series de
hipótesis básicas del modelo. Todo ello lo abordaremos
en la lección 2.
Una vez estimados los coeficientes podemos hacer
INFERENCIAS sobre los mismos para confirmar si se
cumple lo dicho por la Teoría Económica. Por ejemplo,
en nuestro caso, nos interesaría saber si:
1  0 y 0   2  1

Hemos visto que el conocimiento econométrico implica:
Teoría Económica, Datos y Métodos de Estimación. Ahora
bien, ¿cómo sabemos cuál es el mejor método de estimación
a aplicar a los datos?, ¿cómo sabemos si el modelo
econométrico inicialmente propuesto es el más “adecuado”
para describir o predecir la realidad económica?
Las respuestas a las preguntas anteriores nos lo da el “saber
cómo” conocido como “know how” que viene a ser la
METODOLOGÍA ECONOMÉTRICA.
Charenza y Deadman (1997): “New Directions in Econometric
Practice”. Edward Elgar.


Resumiendo, el contenido de la Econometría implica:
 El conocimiento de las Teorías Económicas que nos muestran
qué posibles relaciones económicas pueden existir y entre qué
variables.
 La disponibilidad de los datos.
 La posibilidad de aplicar diferentes Métodos de Estimación e
Inferencias Estadísticas que nos llevará a confirmar o no las
diferentes Teorías Económicas formuladas con antelación.
 El conocimiento de una Metodología Econométrica “El saber-
cómo) que nos ayudará en la construcción y estimación del
Modelo Econométrico “más adecuado” atendiendo a nuestros
objetivos (describir, predecir o simular).

9
Tema 1
1.3.- La lógica de la investigación
econométrica
Etapas en la formulación de un modelo econométrico
 Por supuesto, aunque hay muchas formas diferentes de afrontar la construcción

de un modelo. Una forma lógica es la que se muestra en la siguiente figura.
Teoría Economica o Financiera (Estudios Previos)
Formulación de un Modelo Teórico estimable
Los Datos
Estimación del modelo
¿Es el Modelo adecuado?
No Yes
Reformular Modelo Interpretamos Modelo
Uso del modelo

Econometría FICO
2

1
 Aunque cada una de las etapas se irán viendo detenidamente en cada uno de los
temas siguientes, vamos a describir brevemente en qué consiste cada una de
ellas.
• Etapa 1a y 1b: Supone la formulación de un modelo teórico, normalmente,
un modelo económico o financiero (en forma de modelo matemático) que
conlleve la relación entre dos o más variables. El modelo en sí mismo es una
simplificación de realidad, por lo que no puede recoger todos los aspectos
relevantes del fenómeno que se estudia, pero debería, al menos, ser una
buena aproximación, aunque sea simplificada del fenómeno económico-
financiero que se pretende cuantificar-medir o predecir. En esta etapa es
fundamental contar con estudios previos del fenómeno. El modelo teórico
se hace estimable mediante la especificación de variables, parámetros,
términos de perturbación o error, etc.
• Etapa 2: Los datos relevantes del modelo. Los datos pueden obtenerse
electrónicamente a través de un proveedor (público o privado) de
información financiera. Alternativamente, los datos pueden venir de
encuestas (información primaria).
Econometría FICO
3
• Etapa 3: Elección del método de estimación más adecuado para el modelo

elegido en la etapa 1. Por ejemplo, si hemos elegido una ecuación simple,
¿qué técnicas de estimación podemos utilizar? ¿podemos aplicar MCO? Si
hemos elegido un modelo múltiple, ¿podemos utilizar las mismas técnicas
que para un modelo simple?
• Etapa 4: Evaluación estadística del modelo. ¿Qué hipótesis son necesarias
para obtener buenas estimaciones de los parámetros? ¿Dichas hipótesis son
soportadas por los datos o el modelo? Además, ¿el modelo describe
adecuadamente los datos? Si la respuesta es sí, pasamos a la etapa 5. En
caso contrario, volvemos a repasar las tres primeras etapas, esto es, el
modelo teórico, los datos requeridos y las técnicas de estimación. Es posible
que tengamos que cambiar variables o emplear técnicas de estimación
menos exigentes.
• Etapa 5: Evaluar el modelo desde una perspectiva teórica. ¿El tamaño y el
signo de las estimaciones de los parámetros se corresponden con lo dicho
por la teoría? Si la respuesta es sí, pasamos a la etapa 6. En caso contrario,
volvemos a repasar las tres primeras etapas.
Econometría FICO
4

2
• Etapa 6: Uso del modelo. Cuando el investigador se siente finalmente

satisfecho con el modelo, puede hacer uso del mismo para contrastar
diferentes teorías formuladas en el modelo teórico en la etapa 1. También
puede utilizar el modelo para hacer predicciones o sugerir posibles líneas
de actuación. Las posibles líneas de actuación pueden ser para un individuo
en concreto (por ejemplo, “si la inflación o el PIB aumenta, compro
acciones en el sector X”), o como un input para la política del gobierno (por
ejemplo, cuando caen los mercados bursátiles, las operaciones electrónicas
(program trading) causan excesiva volatilidad y deberían ser prohibidas).
 Es importante hacer notar que el proceso de construcción de un modelo
empírico es un proceso iterativo, y que no es realmente una ciencia exacta. A
menudo, el modelo finalmente elaborado podría ser muy diferente al modelo
inicialmente propuesto y no hay una única forma de construir modelos, es decir,
cualquier otro investigador con los mismos datos y con la misma teoría inicial
puede llegar a modelos completamente diferentes en su versión final.
Econometría FICO
5
Grado de Economía. Curso 2020-21. Tema 1. pag.16

3
Tema 1
1.4.- Clases de datos
Tipos de datos y notación

 En general, hay tres tipos de datos que se pueden emplear en el análisis
cuantitativo de los problemas financieros.
1. Datos de series temporales
2. Datos de corte transversal
3. Panel de datos (combinación de 1. y 2.)
Datos de series temporales (variables flujo y stock)
Los datos de series temporales, como sugiere el nombre, son datos que han ido
coleccionando durante el tiempo en una o más variables. Los datos de series
temporales van asociados a una frecuencia que representa una medida el
intervalo o la regularidad con la que los datos se han obtenido o registrado
(diario, mensual, trimestral, anual, etc.). Ejemplos de series temporales:
 PIB o desempleo (frecuencia trimestral y mensual respectivamente)
 Déficit presupuestario del gobierno (frecuencia anual)
 Oferta monetaria (frecuencia semanal)
 Valor del Índice bursátil (frecuencia: cuando ocurre la transacción).
Econometría FICO
2
Grado de Economía. Curso 2020-21 Tema 1. pag. 17

1
 Las series temporales (variables que se observan longitudinalmente a lo

largo del tiempo) se pueden clasificar en:
• Variables flujo: expresan una magnitud que puede considerarse un flujo o

una corriente. El valor observado corresponde a todo el periodo temporal que
se toma como unidad (por ejemplo, las ventas de una empresa, el número de
turistas, el PIB, etc.).
• Variables stock: expresan magnitudes que pueden considerarse stocks o
niveles y el valor observado corresponde a una medición en un instante del
tiempo dentro del periodo temporal tomado como unidad (generalmente el
último momento o el momento central). Por ejemplo, las rentabilidades, los
ocupados, los parados, el número de empresas que cotizan en bolsa, etc.
 El saber distinguir entre flujo y stock es importante de cara a la agregación
de información, esto es, cuando queremos pasar, por ejemplo, de datos diarios
a datos mensuales, de datos mensuales a datos trimestrales, etc.
 Si la variable es flujo, la agregación se puede hacer mediante la suma, pero
si es stock, la suma no tiene sentido y se suele utilizar la media aritmética.
Econometría FICO
3
 En el ámbito financiero es necesario detenernos un momento sobre “el cómo se

producen las transacciones”. Muchos de los datos financieros no se distribuyen
uniformemente a lo largo del tiempo, por ejemplo, puede no haber actividad
entre las 5:00 de la tarde (cuando cierran los mercados) y las 8:30 del día
siguiente cuando abren de nuevo; además hay menos actividad durante la
apertura y cierre de los mercados y a la hora del almuerzo. Aunque hay formas
para afrontar este tema, un enfoque simple y muy común es simplemente
seleccionar una frecuencia apropiada, y usar como observación correspondiente
a ese periodo de tiempo, el último precio establecido durante dicho intervalo.
 Además, es importante que todos los datos utilizados en el modelo presenten la
misma frecuencia. Por ejemplo, regresiones que buscan estimar un modelo de
arbitrage de precios que utilice factores macroeconómicos compuesto por
variables mensuales, debe utilizar rentabilidades de las acciones medidas
mensualmente, aunque se disponga de datos diarios o semanales.
Econometría FICO
4

 Los datos pueden ser cuantitativos (por ejemplo, tipos de cambio, precios ,
número de acciones en circulación, etc.), o cualitativos (por ejemplo, los días de
la semana, una calificación del crédito, productos financieros adquiridos por
particulares durante un periodo de tiempo, etc.)
 Problemas que podrían ser abordados usando series temporales:
 Cómo el valor del índice bursátil de un país ha variado con relación a sus
variables macroeconómicas.
 Cómo el valor del índice en bolsa de una empresa ha variado cuando se
anunció el valor del pago de sus dividendos.
 El efecto en el tipo de cambio de un país ante un incremento en su déficit
comercial.
Econometría FICO
5
Datos de corte transversal

 Los datos de corte transversal son datos de una o más variables observadas en
un mismo instante o intervalo de tiempo. Por ejemplo,
 Rendimientos de las principales empresas que han cotizado en la bolsa de
Nueva York en el mes de diciembre de 2011. Las cifras corresponden al
último día del mes.
 Una muestra de la calificación crediticia de los bonos en los bancos del Reino
Unido en el año 2000.
 Cifras del PIB en el año 2010 de las países de la Unión Europea.
 Problemas que podrían ser abordados usando datos de corte transversal:
 La relación entre el tamaño de la empresa y la rentabilidad de invertir en
sus acciones.
 La relación entre el PIB de un país y la probabilidad de que el gobierno
pague su deuda soberana.
Econometría FICO
6
Grado de Economía. Curso 2020-21. Tema 1. pag.19

3
Datos de panel
 Los datos de panel tienen ambas dimensiones (series temporales y datos de corte
transversal). Por ejemplo, los precios diarios de un número de acciones “blue chips”
durante dos años. Blue chip es uno de los términos más utilizados en el parqué para
denominar a las acciones más valoradas por los inversores. Por ejemplo, el Ibex 35 tiene
como blue chips: Telefónica , Banco Santander, BBVA e Iberdrola.
 En series temporales, se suele utilizar el subíndice t para denotar el número que le
corresponde a la observación y el subíndice T para indicar el número total de
observaciones disponibles. Por ejemplo,
Econometría FICO
7
 En datos de corte transversal, se suele utilizar el subíndice i para denotar el

número que le corresponde a la observación y el subíndice N para indicar el
número total de observaciones disponibles. Por ejemplo,
 Nótese, que al contrario de las series temporales, no hay un orden natural en las
observaciones de corte transversal Por ejemplo, la observación i-ésima podría
ser el precio de los bonos de diferentes empresas en un momento particular del
tiempo, ordenadas alfabéticamente por el nombre de las compañías. Podemos
apuntar, además, que la ordenación de los datos no es algo que consideremos
relevante en datos de corte transversal. Por ejemplo, en una muestra sobre las
calificaciones de crédito de la banca en Reino Unido, un banco puede estar antes
que otro simplemente por el orden alfabético (por ejemplo, Northern Rock
estará después de National Westminster).
Econometría FICO
8

 En datos de corte transversal la tabla de información podría ser la siguiente:
 Por ejemplo, los costes y producción de 10 empresas (i = 1,2,…,10) durantes 30

años (t = 1,2,…30). Es decir, N = 10 y T = 30.
Econometría FICO
9

5
Tema 1
1.5.- Modelos econométricos y sus
clases
1.5. Modelos Econométricos y sus clases
Hemos visto que los elementos de un Modelo

Econométrico son:
 las ecuaciones,
 las variables,
 los parámetros o coeficientes y sus restricciones,
 los datos (de corte transversal, series temporales, datos
de panel).

1.5.1. Ecuaciones
Dentro de las ecuaciones distinguimos:

1) Ecuaciones de comportamiento
2) Ecuaciones Tecnológicas
3) Ecuaciones Institucionales
4) Ecuaciones de definición o contables
5) Ecuaciones de ajuste
1.5.1. Ecuaciones
Ecuaciones de comportamiento: Tratan de explicar de

qué forma toman decisiones los agentes económicos. Por
ejemplo, el consumo de las familias...
Ct  1   2 Rt  ut t  1,2,3...T
Ecuaciones Tecnológicas: Tratan de explicar las
interdependencias entre los factores productivos y el
producto, es decir, la tecnología incorporada al proceso
económico. Por ejemplo, la función de producción Cobb-
Douglas...
Qt  ALt K t e ut t  1,2,3...T

2
1.5.1. Ecuaciones
siendo,
Qt  cantidad producida en el período t.
Lt  cantidad de factor trabajo en el período t.
K t  cantidad de factor capital en el período t.
El término : e ut ¿por qué toma esta forma?
Ecuaciones Institucionales: Expresan aquellos aspectos
cuantificables de la organización social, legislación, etc,
que influyen directamente en las variables que intervienen
en el modelo
Tt  impuestos en el período t.
Tt  1   2 Rt  ut t  1,2,3...T  2  tipo impositivo sobre la renta.
1.5.1. Ecuaciones
Ecuaciones de definición o contables: Expresan

relaciones que se van a cumplir siempre en virtud de su
construcción. Yt  Renta en el período t.
Yt  Ct  I t  Gt t  1,2,3...T I t  Inversión en el período t.
Gt  Gasto Público en el período t.
Ecuaciones de ajuste: Describen el supuesto proceso de
ajuste que se produce en mercados particulares cuando
existe un exceso por parte de la demanda o de la oferta. Un
caso particular son las ecuaciones de equilibrio.
S t  Dt t  1,2,3...T S t  Cantidad de Oferta en el período t.
Dt  Cantidad de Demanda en el período t.

3
1.5.2. Variables
Matemáticas: Se habla de variable dependiente y

variable independiente.
Y  f X 1 , X 2 
Y : variable dependiente
X 1 , X 2 : variables independientes
Modelo Econométrico uniecuacional: Se habla de
variable dependiente y variable independiente, variable
explicada y variable explicativa, variable efecto y variable
causa.
Yt    X 1t  X 2t  u t
Y : variable dependiente, explicada, efecto
X 1 , X 2 : variables independientes, explicativas, causa
La variable dependiente se llama regresando o predictando (en LATAM)
1.5.2. Variables
Modelo Econométrico Multiecuacional: Se habla de
variables endógenas y predeterminadas (exógenas y
endógenas retardadas).
Ct  1   2Yt   3Ct 1  u t
Yt  Ct  I t  Gt
 Variables endógenas: sus valores actuales vienen

determinados por el modelo. Dentro del modelo, estas
variables se influyen mutuamente (Ct, Yt).
 Variables predeterminadas: sus valores actuales no
vienen determinados por el modelo (Ct-1, It, Gt ).

1.5.2. Variables
Las variables predeterminadas pueden ser a su vez:

 Variables exógenas: sus valores se determinan fuera del
modelo, no vienen influídas por él, pero sí influyen en las
variables endógenas (It, Gt ). las que tienen de valor -1 (en este modelo)
 Variables endógenas retardadas: variables endógenas
referidas a un momento o período de tiempo anterior al
que estamos considerando. Sus valores han sido
determinados por el modelo en períodos anteriores, luego
en la actualidad ya están determinadas (Ct-1).
1.5.2. Variables
Término de perturbación: Variable aleatoria, ut, que se
introduce en el modelo para hacerlo estocástico. Las
causas por las que se introduce son varias:
 Errores en las ecuaciones: se han omitido variables
relevantes o se han incluido variables irrelevantes, o la
forma funcional no es la correcta.
 Errores en las variables: errores de observación o
medida.
 Comportamiento aleatorio de los agentes económicos.

5
1.5.3. Parámetros
Parámetros y sus restricciones: Coeficientes del modelo

que representan cantidades fijas, aunque también pueden
considerarse en ciertos casos, variables aleatorias. Suelen
tener un significado económico concreto y la Teoría
Económica, puede y debe adelantar el tipo de signo,
incluso el rango de verificación.
Ct  1   2 Rt  ut t  1,2,3...T
tal que : 1  0 0  2  1
Ejemplo de restricciones en los parámetros:
Qt  ALt K t e ut t  1,2,3...T
tal que :     1 (Rendimientos constantes a escala)
1.5.4. Clases de Modelos Econométricos

Según la evolución temporal de las variables endógenas:
1) Modelos estáticos: todas las variables endógenas se
refieren a un mismo instante de tiempo.
Ct  1   2Yt  ut
2) Modelos dinámicos: cuando aparecen endógenas

retardadas como variables explicativas.
Ct  1   2Yt   3Ct 1  ut

Según el número de ecuaciones:

1) Modelos uniecuacionales: formados por una sola
ecuación.
2) Modelos multiecuacionales: formados por dos o
más ecuaciones.

Según el tipo de ecuaciones:
1) Modelos lineales: cuando todas las ecuaciones son
lineales en los parámetros y en las variables.
2) Modelos no lineales: cuando alguna ecuación no es
lineal en las variables o en los parámetros.
Qt  ALt K t e ut
ln Qt  A*   ln Lt   ln K t  ut
Ct  1 1      2Yt   2 Yt 1  Ct 1  ut


7
Según la dirección de la causalidad entre las variables

endógenas en un modelo multiecuacional:
1) Modelos interdependientes o de ecuaciones
simultáneas: todas las variables endógenas están
interrelacionadas, y por tanto, sus valores se
determinan de forma simultánea
Ct  1   2Yt   3Ct 1  u t
2) Modelos recursivos: es posible determinar un orden

de causalidad entre las variables endógenas, y por
tanto, sus valores se determinan de forma
escalonada.
Ct  1   2Yt 1  u t

26/09/2013
Tema 1
1.6.- Modelos lineales y no lineales:
algunos aspectos
1.6. Modelos lineales y no lineales. Algunos aspectos
De ahora en adelante abordaremos los modelos “lineales”.

Es esencial entender lo que significa realmente el término
lineal, ya que puede ser interpretado de dos formas
diferentes. Hablaremos de una variable Y que es función de
un conjunto de variables explicativas X (X1, X2,…) y de unos
parámetros que denominaremos β (β1, β2, …).
 Linealidad en las variables
Cuando la variable que queremos explicar es una
función lineal de las variables explicativas.
Yt  1   2 X 1t  3 X 2t  ut lineal en las variables
Yt  1   2 X t2  ut no lineal en las variables

1
26/09/2013
 Linealidad en las variables

Se dice que una función Y = f(X) es lineal en X si X
aparece elevado a una potencia o índice de 1
solamente (esto es, términos tales como
X 2, X
y demás, son excluídos) y dicha variable no está
multiplicada ni dividida por alguna otra variable,
por ejemplo:
X  Z, X donde Z es otra variable.
Z
 Linealidad en los parámetros

Se dice que una función Y = f(X) es lineal en los
parámetros si dichos coeficientes aparecen elevados
a una potencia de 1 solamente y no están
multiplicados ni divididos por ningún otro
parámetro (por ejemplo, β1β2, β1/β2, etc.).
Yt  1   2 X t  ut lineal en los parámetros

Yt  1   22 X t  ut no lineal en los parámetros

26/09/2013
De las dos interpretaciones de linealidad, la linealidad

en los parámetros es relevante para el desarrollo de la
teoría de la regresión que abordaremos a partir de la
lección 2.
Por consiguiente, de ahora en adelante el término
regresión “lineal” siempre significará una regresión
que es lineal en los parámetros (esto es, los parámetros
β son elevados solamente a la primera potencia); puede
o no ser lineal en las variables explicativas X. En estos
casos, hablamos de Modelos Lineales.
Si un modelo es no lineal en los parámetros entonces

hablaremos de MODELOS NO LINEALES, sin
importar que las variables de tal modelo sean lineales o
no lo sean.
Sin embargo, debe tenerse cuidado, ya que algunos
modelos podrían parecer no lineales en los parámetros,
pero son inherente o intrísicamente lineales, debido a
que con una transformación adecuada pueden
convertirse en modelos de regresión lineales en los
parámetros.

26/09/2013
Por ejemplo,
Qt  ALt K t eut
LnQt  ln A   ln Lt   ln K t  ut
LnQt  A*   ln Lt   ln K t  ut
A estos modelos no lineales, se denominan MODELOS

INTRÍSICAMENTE LINEALES.
Si dichos modelos no pueden linealizarse en los
parámetros, se les conoce como MODELOS
INTRÍSICAMENTE NO LINEALES.
Para terminar esta introducción, diremos que:

 Hay modelos que no son lineales en las variables pero pueden ser
linealizados mediante apropiadas transformaciones. Es el caso del modelo
polinómico, recíproco, semilogarítmo y con términos de interacción.
 También hay modelos no lineales en los parámetros (además de ser no
lineales en las variables) que se pueden linealizar. Es el caso de los modelos
exponencial y potencial.
8
Lección 1: Introducción

Diapositivas T1 Econometria

Cargado por

Copyright:

Formatos disponibles

Diapositivas T1 Econometria

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diapositivas T1 Econometria

Cargado por

Copyright:

Formatos disponibles

Tema 1

1.1.- Resumen Histórico

Profesor: Fernando Isla Castillo

Fernando Isla Castillo

1.1. Resumen Histórico

Dentro de la historia de la Econometría se distinguen

Grado de Economía. Curso 2020-21. Tema 1. pag. 1 1

1.1. Resumen Histórico

2. Etapa de nacimiento de la investigación econométrica (1900-

Fernando Isla Castillo

1.1. Resumen Histórico

3. Etapa de aportaciones: el ciclo económico, los modelos

Grado de Economía. Curso 2020-21. Tema 1. pag. 2 2

1.1. Resumen Histórico

4. La época dorada (1944-1970)

Fernando Isla Castillo

1.1. Resumen Histórico

4. La época dorada (1944-1970)

Grado de Economía. Curso 2020-21. Tema 1. pag. 3 3

1.1. Resumen Histórico

5. La década crítica (1970-1980)

Fernando Isla Castillo

1.1. Resumen Histórico

6. Avances metodológicos desde 1980 y tendencias acutales

Grado de Economía. Curso 2020-21. Tema 1. pag. 4

Profesor: Fernando Isla Castillo

Fernando Isla Castillo

1.2. Concepto de Econometría

Cuando nos proponemos el estudio de cualquier rama

Grado de Economía. Curso 2020-21. Tema 1. pag. 5

1.2. Concepto de Econometría

A la definición anterior debemos añadirle, hoy por hoy,

Fernando Isla Castillo

1.2. Concepto de Econometría

Otra definición más amplia que destacamos es la del

Grado de Economía. Curso 2020-21. Tema 1. pag. 6 2

1.2. Concepto de Econometría

De la definición anterior, el profesor Otero pone de

Fernando Isla Castillo

1.2. Concepto de Econometría

Grado de Economía. Curso 2020-21. Tema 1. pag. 7

1.2. Concepto de Econometría

Ejemplo: la función de consumo keynesiana

Fernando Isla Castillo

1.2. Concepto de Econometría

Según la ley psicológica fundamental enunciada por

Grado de Economía. Curso 2020-21. Tema 1. pag. 8

1.2. Concepto de Econometría

Asimismo, Keynes considera que, una vez cubiertas

Fernando Isla Castillo

1.2. Concepto de Econometría

Grado de Economía. Curso 2020-21. Tema 1. pag. 9

1.2. Concepto de Econometría

Fernando Isla Castillo

1.2. Concepto de Econometría

Grado de Economía. Curso 2020-21. Tema 1. pag. 10

1.2. Concepto de Econometría

Podemos decir que los elementos de un Modelo