Econometría I IIEc UNAM 2018-II (Unidad 1)

Universidad Nacional Autónoma de México
Instituto de Investigaciones Económicas
Econometría I
Unidad 1
Introducción: La naturaleza de la econometría y los datos
económicos
Dr. Roberto Ramírez Hernández

robrami@unam.mx
Mtro. Uberto Salgado Nieto

ubertosalgado@comunidad.unam.mx
Maestría en Economía
Sede Instituto de Investigaciones Económicas UNAM
Semestre 2018-II
Febrero de 2018
Contenido
1. Antecedentes, conceptos y origen de la

Econometría.
2. Enfoque tradicional y nuevo enfoque del análisis

econométrico.
1
3. Tipos de datos, problemática y manejo.
4. Datos de corte transversal, temporales y de panel.
5. Otros modelos: Modelos de respuesta cualitativa y

de variables de conteo.
Unidad 1 Introducción: La naturaleza de la econometría y los datos económicos 2 / 42

1. Antecedentes, conceptos y origen de la Econometría
Origen de la Econometría
El término econometría fue utilizado por primera vez en

Alemania por Pawel Ciompa en 1910. La definición de
diccionario o literal establece que el significado de la palabra
econometría es medición económica. Aunque en la actualidad
el significado va mucho más allá de simple medición, sigue
influyendo en las definiciones en los libros de texto.
En su gran mayoría, los textos actuales consideran que la

econometría es una amalgama de la teoría económica, la
economía matemática y la estadística, con el propósito de dar
contenido empírico a las teorías económicas, verificarlas o
refutarlas.
3
¿Qué es la Econometría?
Aunque el término econometría, significa literalmente “Medir la
economía”, “medición de la economía” ó “medición
económica” (como se mencionó antes), es importante revisar
las definiciones de algunos autores a fin de comprender la
concepción que cada uno de éstos tiene:
● “La econometría, resultado de cierta perspectiva sobre el papel que juega la

economía, consiste en la aplicación de la estadística matemática a la
información económica para dar soporte a los modelos construidos por la
Economía Matemática y obtener resultados numéricos.” (Gerhard Tintner,
Methodology of Mathematical Economics and Econometrics).
● “… la econometría puede ser definida como el análisis cuantitativo de

fenómenos económicos reales, basados en el desarrollo simultáneo de la
teoría y la observación, relacionados mediante métodos apropiados de
inferencia.” (Samuelson, Koopmans & Stone, Report of the Evaluative Comitee for
Econometrica).
4
● “La econometría puede ser definida como la ciencia social en la cual

las herramientas de la teoría económica, las matemáticas y la inferencia
estadística son aplicadas al análisis de los fenómenos económicos.”
(Arthur S. Goldberger, Econometric Theory).
● “La econometría tiene que ver con la determinación empírica de las

leyes económicas.” (H. Theil, Principles of Econometrics).
● “El arte del econometrista consiste en encontrar el conjunto de

supuestos que sean suficientemente específicos y realistas, de tal forma
que le permitan aprovechar de la mejor manera los datos que tiene a
su disposición” (E. Malinvaud, Statistical Methods of Econometrics).
● “Los econometristas … son una ayuda en el esfuerzo por disipar la mala

imagen pública de la economía (cuantitativa o de otro tipo)
considerada como una materia en la cual se abren cajas vacías,
suponiendo la existencia de abrelatas, para revelar un contenido que
será interpretado por cada 10 economistas de 11 maneras diferentes.
(Adrian C. Darnell & J. Lynne Evans, The Limits od Econometrics).
5
● “El método de la investigación econométrica busca esencialmente una

conjunción entre la teoría económica y la medición real, utilizando
como puente la teoría y la técnica de la inferencia estadística.” (T.
Haavelmo, The Probability Approach in Econometrics).
● “La econometría es esencialmente un enfoque de investigación que

emplea el conjunto de métodos y técnicas estadísticas que buscan la
evidencia empírica suficiente para la construcción y/o comprobación
de la teoría económica. Su naturaleza aplicada complementa la
perspectiva teórica de los fenómenos económicos.” (R. Ramírez).
6
● Ragnar Frisch señaló en 1933 sobre la teoría económica, la estadística y

los métodos matemáticos: “... existen varios aspectos del enfoque
cuantitativo de la economía, y ninguno de ellos, considerado en sí
mismo, debe ser confundido con la econometría. Así, econometría no
significa lo mismo que estadística económica.”
● “ … no es idéntica a lo que denominamos teoría económica general,

aunque una parte considerable de esta teoría tiene un definitivo
carácter cuantitativo. La econometría no debe ser considerada como
sinónimo de la aplicación de las matemáticas a la economía.
● … la experiencia ha mostrado que cada uno de estos tres puntos de

vista, el de la estadística, la teoría económica, y las matemáticas, es
condición necesaria, pero no suficiente por sí mismos, para una
comprensión real de las relaciones cuantitativas en la vida económica
moderna. Es la unificación de las tres lo que es poderoso. Y es esta
unificación lo que constituye la econometría.”
7
● Gujarati (1997), afirma que merece la pena ser estudiada en forma

separada por las siguientes razones:
● “La teoría económica hace afirmaciones o formula hipótesis de

naturaleza principalmente cualitativa. Por ejemplo, la teoría
microeconómica establece que, permaneciendo constantes otros
factores, se espera que una reducción en el precio de un bien aumente
la cantidad demandada de ese bien. Así, la teoría económica postula
una relación negativa o inversa entre el precio y la cantidad
demandada de un bien. “
● “Pero la teoría de por sí no proporciona medida numérica alguna de la

relación entre las dos; no dice en qué magnitud aumentará o se
reducirá la cantidad como resultado de un cambio determinado en el
precio del bien. “
● “El trabajo del econometrista (sic) es proporcionar tales estimativos

numéricos. Planteado de otra forma, la econometría da contenido
empírico a gran parte de la teoría económica.”
8
● “El interés principal de la economía matemática es expresar la teoría

económica en una forma matemática (ecuaciones) sin considerar la
capacidad de medición o de verificación empírica de la teoría. La
econometría está interesada principalmente en la verificación empírica
de la teoría económica. […] El econometrista utiliza frecuentemente las
ecuaciones matemáticas, propuestas por el economista matemático,
pero las expresa en tal forma que éstas se prestan para la prueba
empírica. Y esta conversión de ecuaciones matemáticas en ecuaciones
econométricas requiere una gran dosis de ingenio y destreza.”
● “La estadística económica se relaciona principalmente con la

recolección, procesamiento y presentación de las cifras económicas
[…]. Este es el trabajo del estadístico económico, cuya actividad
principal consiste en recoger cifras sobre el PIB, el empleo, el desempleo,
los precios, etc. La información así recogida constituye la materia prima
para el trabajo econométrico. Pero el estadístico económico no va más
allá de la recolección de información, pues no le concierne la utilización
de las cifras recogidas para probar la validez de las teorías económicas
o para refutarlas. Ciertamente, es el econometrista quien se ocupa de
realizar esta labor.”
9
Evolución histórica de los métodos econométricos
10
2. Enfoque tradicional y nuevo enfoque del análisis econométrico.
Enfoque Tradicional
En general la metodología
(a) tradicional establece una
TEORÍA
serie de pasos a seguir:
(b) a) Parte de alguna teoría

MODELO económica.
ECONÓMICO
b) Se determinan relaciones
(c) funcionales entre las
MODELO variables teóricas.
ECONOMÉTRICO
(d) (d)
c) Se especifica el modelo
(d) eligiendo la forma
ESTIMACIÓN DEL
DATOS E INFORMACIÓN
MODELO Y
funcional y las variables
A PRIORI INFERENCIA
PRUEBAS ESTADÍSTICA
medibles.
(e) d) Utiliza herramientas

PREDICCIONES
estadísticas, estima el
SIMULACIÓN modelo y se realizan
pruebas.
e) Se realizan pronósticos y
simulación de políticas.
11
Enfoque Tradicional
● Bajo este esquema metodológico, se construyeron

múltiples modelos en los cuales se partía de un enfoque
teórico dado.
● Dado el enfoque, se realizaban regresiones y se escogía

la mejor con base en algunos estadísticos de prueba
(como la mayor R², estadísticos t significativos, Durbin-
Watson cercano a dos, signos y magnitudes esperadas
de los coeficientes estimados).
● El resultado de estos trabajos fueron modelos con

errores de especificación, lo que llevaba a conclusiones
equivocadas.
12
Nuevo Enfoque
En general el diagrama del

nuevo enfoque nos muestra
PROCESO
TEORÍA
ECONÓMICA GENERADOR DE que:
LOS DATOS a) La teoría y los datos tienen
la misma importancia.
MODELO b) Las variables teóricas no
DATOS
ECONOMÉTRICO coinciden necesariamente
de manera estricta con los
datos.
ESTIMACIÓN
c) Existe retroalimentación
entre el modelo
PRUEBAS DE econométrico y las pruebas
DIAGNÓSTICO Y DE de diagnóstico y
ESPECIFICACIÓN especificación.
d) Los datos no son tomados
como dados, sino que
existe retroalimentación del
MODELO ECONOMETRICO modelo empírico a los
EMPÍRICO datos.
e) La teoría y el modelo
teórico tampoco son
Fuente: Aris Spanos Statistical Foundation of econometrics tomados como dados, son
retroalimentados por el
modelo empírico.
13
Nuevo Enfoque
● La idea central de este nuevo enfoque metodológico es determinar

qué tan apropiado resultaba el modelo, esto es, se debía probar
que se encontraba bien especificado. Para ello no sólo toma como
dadas las teorías sino también las alimenta, de forma tal que hay
una retroalimentación entre la economía teórica y los modelos
empíricos.
● Existe retroalimentación del modelo econométrico a los datos y el

rechazo o adopción de hipótesis da lugar a una retroalimentación
hacia la especificación, la cual no es tomada como dada.
● El Proceso Generador de Datos (PGD) es el fenómeno económico de

interés que da lugar a los datos. Generalmente no conocemos el
proceso que genera los datos que usamos en los modelos (debido a
que no son generados en un laboratorio bajo control), razón por la
cual se realiza una representación conjeturada de éste y en sí el
modelo econométrico no es más que aproximación a dicho
proceso.
14
Nuevo Enfoque
● Uno de los principales aportes de esta metodología ha sido,

sin duda, el desarrollo de numerosas pruebas de
especificación y diagnóstico de los modelos econométricos,
lo cual ha permitido establecer un riguroso criterio de
selección de modelos y conseguir cada vez mejores
aproximaciones al proceso generador de los datos
observables.
15
3. Tipos de datos, problemática y manejo
● Uno de los insumos básicos de los modelos econométricos son los datos
observados.
● El uso de los datos en los modelos econométricos lleva implícita una

problemática más compleja de lo que aparenta ser debido a varios
factores, generalmente soslayados. El uso de los modelo exige mucho
más que el simple diseño y construcción del modelo econométrico en sí:
los datos deben tener la suficiente calidad, esto es, tener el mejor
conocimiento posible sobre su origen ó PGD.
● Algunas de los problemas más comunes en la generación y uso de datos

para análisis econométrico y para la aplicación de cualquier técnica de
análisis cuantitativo en general, son los siguientes:
 Desconocimiento del tipo de datos y su manejo en las técnicas.
 Complejidad de la modelización de los fenómenos económicos, dificultad para el
uso de muchas variables.
 Escasez de datos sobre el fenómeno.
 Desconocimiento de las técnicas de tratamiento, obtención y/o estimación de
datos económicos en general.
 Mal uso de las técnicas de tratamiento, obtención y/o estimación de datos
económicos en general.
16
● Desconocimiento del tipo de datos y su manejo en las técnicas.

• Las distintas características de los datos no los hacen aplicables a todas las
técnicas. Es necesario por lo tanto, conocer primero los tipos de datos y cuáles
técnicas están diseñadas para cuáles tipos de datos.
● Complejidad de la modelización de los fenómenos económicos,

dificultad para el uso de muchas variables.
• El análisis cuantitativo de datos suele revestir una especial complejidad a la hora
de tratar de entender un fenómeno, generalmente se debe contemplar una serie
importante de asociaciones entre diferentes variables a considerar.
● Escasez de datos sobre el fenómeno.

• La insuficiencia de datos del fenómeno de estudio en la mayoría de ámbitos, la
inadecuada construcción de los existentes o incluso la dudosa elaboración de
otros datos generados por las fuentes oficiales dificultan el uso correcto de las
técnicas existentes para el análisis econométrico.
Frente a lo anterior, se plantean dos vertientes de solución:

• Disponer de más y mejores datos, lo que no siempre está en manos de los
investigadores.
• Adaptar los métodos existentes para el tratamiento de datos.
• Crear nuevos métodos.
17
● Desconocimiento de las técnicas de tratamiento, obtención y/o

estimación de datos económicos en general.
• No se tiene una cultura sobre tratamiento de datos en las diversas disciplinas que
pretenden abordar los problemas/fenómenos económicos.
• Aversión y resistencia a los enfoques matemáticos.
● Mal uso de las técnicas de tratamiento, obtención y/o estimación de

datos económicos en general.
• La resistencia a los enfoques cuantitativos da como consecuencia su mala
comprensión y uso inadecuado de los métodos de tratamiento y análisis de datos.
• Desconocimiento de los tipos de datos existentes.

• Ignorancia sobre el propósito de cada técnica.
• La violación de supuestos básicos.
• La interpretación inadecuada y por lo tanto la generación incorrecta de
conclusiones.
18
Los tipos de datos existentes en los análisis cuantitativos (escalas

de medición):
● Datos de escala nominal:

Se usan para la clasificación de objetos, personas o características en
categorías. Para identificar estas categorías se usan palabras, letras, números
o cualquier símbolo. Las categorías son excluyentes y exhaustivas. No se
pueden hacer operaciones aritméticas entre categorías. Ejemplo: Sexo,
nacionalidad, etc. (Variables Dummy).
● Datos de escala ordinal:

Tiene las mismas características que la nominal, pero en este caso se
considera que existe un cierto grado de intensidad entre las categorías,
guardan un orden. Ejemplos: grados de satisfacción, gravedad de una
enfermedad, etc.
● Absoluta:
Determinación del número de elementos, conteo de unidades, se asignan
números enteros. Ejemplos: número de hijos por familia, bacterias por cm², etc.
19

de medición):
● Intervalo:
Se asignan números fraccionarios para indicar la intensidad de la propiedad
medida. Ejemplos: temperatura, estatura, peso, etc.
● Relación o Razón
Se asignan números fraccionarios para indicar la intensidad de la propiedad
medida. Ejemplos: concentración de sustancias en tejidos animales o
vegetales.
20

de medición):
Escala de Medición Ejemplo Valores que Toma Gráficos válidos Operaciones estadísticas válidas
Marcas de
Fanta, Pepsi, Coca Masculino,
Nominal Refresco
Femenino
Diagramas de barra y pie Moda y Proporción
Sexo
Grado de Mediana, moda, proporción, cuartiles y

Ordinal acuerdo
CA, A, NAND, D, CD Diagramas de barra y pie
rango
Número de Histograma Diagrama de Pie Medidas de tendencia central, medidas de

Absoluta hijos
Números enteros
Diagrama de Caja dispersión, sesgo y curtosis
Temperatura Histograma Diagrama de Pie Medidas de tendencia central, medidas de

Intervalo Estatura
Números enteros y racionales
Concentración
Histograma Diagrama de Pie Medidas de tendencia central, medidas de
Razón de sustancias Números enteros y racionales
en tejidos
21
 Censos de Población y Vivienda (1980, 1990, 2000,

2010, ... )
 Aplicados a Hogares
 Periodicidad cada 10 años
 Los datos se refieren al año de publicación
 Conteos de Población / Encuesta Intercensal (1995,

2005, 2015, … )
 Aplicados a Hogares
 Censos Económicos (1994, 1999, 2004, 2009, 2014, … )

 Aplicados a Unidades Económicas
 Los datos se refieren al año anterior al año de publicación (datos de
1993, 1998, 2003, 2008, 2013, …)

 Censos Agropecuarios (1991, 2007, ... )

 Aplicados a Unidades de Producción
 Periodicidad cada ? años
 Censos de Gobierno
 Anual para nivel estatal y federal
 Bienal para nivel municipal y delegacional

 Encuestas en establecimientos (INEGI)

 Encuestas en hogares (INEGI)

 Encuestas en hogares (INEGI)

4. Datos de corte transversal, temporales y de panel
● Uno de los insumos básicos de los modelos econométricos son los

datos observados (como se dijo con anterioridad). La estructura de
los datos a la hora de ser utilizados en los modelos son de tres tipos:
series de tiempo (time series), corte transversal (cross section) y la
combinación de series de tiempo y corte transversal, conocida
como datos de panel (panel data).
● Las series de tiempo son observaciones de una variable en diferentes

periodos. Los intervalos de tiempo pueden manejarse como datos
diarios, semanales, mensuales, trimestrales, anuales, etc.
● Ejemplos de series de tiempo son del Producto Interno Bruto (PIB)

anuales y trimestrales publicados por INEGI, Índice Nacional de
Precios al Consumidor (INPC) publicado anualmente, datos de
asegurados permanentes en el IMSS, publicado anualmente, etc.
27
Ejemplo de dos series de tiempo anuales (1980-1994): INPC y PIB:
250 6000000
200
5600000
150
5200000
100
4800000
50
0 4400000
80 81 82 83 84 85 86 87 88 89 90 91 92 93 94
INPC PIB
28
● Los datos de corte transversal (cross section) son datos de variables

registradas en un mismo periodo de observación. Un ejemplo son los datos de
cualquier Censo de Población y Vivienda de cada diez años o los Censos
Económicos de cada cinco, mismos que publica INEGI .
VBP en millones de pesos de 1993
Ciudad Población Total Industria Comercio Servicios VBP per cápita
1 AM ciudad de México 16,925,297 577,546 250,033 236,443 91,070 34,123
2 AM de Monterrey 3,109,453 141,214 79,203 45,518 16,493 45,414
3 AM de Guadalajara 3,444,450 121,458 65,272 47,003 9,182 35,262
4 AM de Puebla 1,611,477 55,523 37,209 14,876 3,437 34,455
5 AM de Toluca 870,661 41,168 31,127 8,372 1,669 47,284
6 AM de Saltillo 571,301 35,031 27,822 5,406 1,803 61,318
7 AM de Tijuana 1,133,576 32,393 12,360 16,197 3,836 28,576
8 AM de San Luis Potosí 773,322 29,374 20,402 7,563 1,409 37,984
9 Ciudad Juárez 1,110,426 29,304 15,341 10,721 3,243 26,390
10 AM de Torreón 798,369 29,120 16,518 10,330 2,272 36,474
11 AM de Queretaro 554,510 28,673 19,774 6,794 2,104 51,709
12 AM de León 1,092,392 28,112 14,264 11,584 2,264 25,735
13 Chihuahua 640,716 27,304 15,845 9,059 2,400 42,615
14 Hermosillo 529,585 25,011 14,103 8,718 2,190 47,227
15 Mexicali 532,357 19,217 10,026 7,670 1,521 36,098
16 AM de Aguascalientes 608,097 19,016 12,301 5,348 1,367 31,271
17 AM de Mérida 754,591 18,902 6,624 10,339 1,940 25,050
18 AM de Cuernavaca 613,248 18,257 10,504 6,059 1,694 29,771
19 AM de Veracruz 547,347 15,623 6,637 6,784 2,202 28,543
20 Matamoros 355,378 14,259 7,867 4,632 1,760 40,122
21 AM de Monclova 290,449 14,020 11,436 1,946 638 48,270
22 AM de Tampico 586,068 12,948 5,591 5,752 1,605 22,093
23 AM de Reynosa 447,869 12,436 7,355 3,910 1,171 27,767
24 Culiacán 527,110 12,229 2,146 8,822 1,260 23,199
25 AM de Celaya 368,958 11,691 7,022 3,984 685 31,688
26 AM de Cancún 365,032 10,936 448 6,370 4,118 29,959
27 Silao 60,422 10,728 10,284 345 100 177,559
28 Acapulco 609,891 9,967 1,546 4,558 3,863 16,345
29 Lázaro Cárdenas 69,554 9,561 8,574 733 254 137,466
30 San Juan del Río 93,507 9,140 8,097 751 292 97,748
29
● Finalmente, un conjunto de datos muy importantes es el que combina series

de tiempo y datos de corte transversal, que llamamos datos de corte
longitudinal o datos de panel. Como idea se puede imaginar varios conjuntos
de corte transversal, en el que cada uno representa un periodo distinto para
el mismo grupo.
Parques industriales en el norte del país

Estado 1993 1994 1995
Baja California 0 2 2
Baja California Sur 7 13 15
Coahuila 0 1 2
Chihuahua 4 10 10
Sonora 0 4 4
Tamaulipas 1 3 4
Zacatecas 2 2 2
30
5. Otros modelos: Modelos de respuesta cualitativa y de variables de conteo
● Los métodos y técnicas para análisis cuantitativo de datos (análisis estadístico) son
muy diversos y su propósito es igualmente variado. El análisis econométrico
tradicional se basa casi exclusivamente en las técnicas de análisis de regresión
(Mínimos Cuadrados), sin embargo es deseable que se aprovechen muchas otras
técnicas para enriquecer el quehacer econométrico.
Uso de índices creados
Uso de indicadores
Construcción de índices
Componentes Principales
Reducción de Dimensionalidad
Análisis de Factores
Análisis de Correlación
PROPÓSITO GENERAL Asociación de variables Análisis de Regresión (MC)

Correlación Canónica
Análisis de Conglomerados
Clasificación / agrupación de elementos Análisis Discriminante
Estadística Descriptiva
Modelos de variables de razón o de intervalo (MC)

Modelación Modelos de variables enteras o de conteo (MC)
Causal
Modelos de variables de respuesta cualitativa (MC)
31
● ¿Qué es un índice?
● El análisis económico se vale de un instrumento

fundamental para su correcto desempeño: el uso de
indicadores, números índices o simplemente índices.
● Un índice o indicador es un parámetro estadístico que

proporciona la variación relativa de una magnitud
(simple o compleja) a lo largo del tiempo, del espacio o
en relación a un grado de avance/retroceso.
● El uso de índices en el análisis económico (no solamente

el regional) es clave en la comprensión de un fenómeno
económico.
● Un índice nos permite comprender la dinámica y la

composición de un atributo o de varios, mismos que
explican dicho fenómeno.
● El índice sintetiza en pocos datos la parte esencial de la

información completa contenida en el fenómeno, la
cual generalmente es muy considerable.

● Dada su naturaleza, los números índices consisten

en dos tipos básicos: índices simples e índices
compuestos.
● Los índices simples consisten en un solo atributo o

característica.
● Los índices compuestos consisten en dos o más

atributos o características, para su manejo es
necesario emplear una técnica que reduzca la
dimensionalidad de los datos.
34
● Un dato es básicamente un valor puntual que

refleja un estado o característica de un fenómeno.
● Información es todo lo que caracteriza y da el

conocimiento de un fenómeno, lo anterior se
consigue mediante los datos obtenidos.
● De allí que dato e información NO son lo mismo.
35
● Uno de los problemas que generalmente se presentan en un

estudio regional para el que se carece de una modelación
teórica, es la selección de las variables a considerar.
● Al no tener idea clara de cuáles son las que van a jugar un

papel importante, se tiende a incluir un número grande de
éstas. Lo que dificulta su manejo y exploración.
● Entre algunas de estas variables existirán probablemente

interrelaciones, de manera que una buena parte de la
información que aporta alguna de ellas será compartida por
varias otras. Lo anterior es más de esperar cuanto mayor sea
el número de variables incluidas.

● El análisis será mucho más fácil si de alguna manera

conseguimos eliminar esta información repetida o
“redundante”, manteniendo básicamente la que es de
interés para nuestro problema.
● Lo anterior llevará a una reducción de las dimensiones del

conjunto de datos, y a su transformación en otro mucho más
manejable.

● Las técnicas adecuadas para lograr estos objetivos son

básicamente dos: el método de Componentes Principales y el
Análisis de Factores. Ambos buscan la mayor reducción de
dimensionalidad de la matriz de datos compatible con el
mantenimiento de una porción considerable de la
información relevante.
● Estas técnicas están siendo continuamente aplicadas a muy

diversos problemas regionales y especialmente al análisis de
estructuras y determinación de tipologías en regiones.

● El método de Componentes Principales nos proporciona un

criterio objetivo para la reducción del número de variables de
un problema. Tiene por objetivo sintetizar la información
contenida en la matriz de datos sustituyendo las variables que
la forman por unas nuevas variables que, en número mucho
menor, expliquen sin embargo, una proporción
suficientemente grande de la varianza inicial del problema.
● Estas nuevas variables se eligen de manera que no

contengan información redundante y reciben el nombre de
componentes principales.
● La primera componente principal se determina como la

combinación lineal de las variables iniciales que explique la
máxima varianza, y constituye la mejor síntesis unidimensional
posible de los datos.

● El Análisis de Factores ó Análisis Factorial tiene también como

objetivo final transformar un problema en otro de dimensión
menor pero con criterio diferente, pues no persigue conseguir la
varianza máxima sino reproducir al máximo las correlaciones. Así
pues, se trata de un método esencialmente diferente del
anterior, aunque en ocasiones se confundan por la semejanza
de algunos de los procesos intermedios de su desarrollo.
● El análisis factorial tiene por objeto descomponer las variables de

la matriz de datos, en suma factores de dos tipos: los de primer
tipo, número previamente fijado, comunes a todas las variables.
Y los del segundo, específicos a cada una de ellas.
● Se trata por tanto, de explicar por medio de los factores, lo que

tienen de común las variables manejadas. Como en último
término se pretende simplificar el problema, es decir, reducir al
máximo su dimensión, se intenta siempre fijar el menor número
posible de factores capaz de contener básicamente la
información común proporcionada por los datos.

Análisis de la asociación entre variables y conjuntos de variables.
El objetivo primordial de este tipo de técnica es buscar los niveles de

asociación entre:
a) Dos variables
b) Una variable y un conjunto de variables
c) Dos conjuntos de variables.
Para a) y b) usamos las conocidas técnicas de correlación estadística y

de mínimos cuadrados (análisis de regresión), cuyo principal objetivo es
establecer el nivel de asociación entre variables a través de índice o de
una serie de parámetros que indicarán de manera cuantitativa dicho
nivel de asociación.

Análisis de la asociación entre variables y conjuntos de variables.
● Para el tercer caso, contamos con la correlación canónica (CC). La

correlación canónica consiste en establecer relaciones entre dos
conjuntos distintos de variables, determinando combinaciones lineales
en cada una de ellos de forma que las nuevas variables así construidas
tengan la mayor relación posible entre ellas, es decir, que su correlación
sea máxima.
● Esta técnica aparece como una generalización de la regresión al caso

en que se pretenda explicar un conjunto de variables a partir de otro
conjunto.
● Dicho de otro modo, la CC describe el patrón de asociación entre dos

conjuntos de variables (interrelaciones), sin importar que sean de
tamaño diferente.
● Ejemplo de aplicación: Medir el éxito de una política en cierta región o

ciudad a través del levantamiento de encuestas antes y después de la
política.

Clasificación y agrupación de elementos.
La clasificación de elementos se puede lograr a través de

diversas técnicas. Para efectos del análisis regional y urbano
revisaremos esencialmente tres técnicas:
a) Clasificación a través de Estadística Descriptiva.
b) Análisis Discriminante.
c) Análisis de Conglomerados.

Modelación Causal o Modelización Causal.

● Un modelo es una representación acotada de un fenómeno real. Al decir
‘acotada’ (limitada) implica que cada unidad de información agregada al
modelo, reflejará mejormente dicho fenómeno, pero al mismo tiempo lo
hará más complejo de manejar, por lo que debe haber un buen equilibrio
entre variables relevantes, es decir, que reflejen lo mejor posible el
fenómeno pero al mismo tiempo manejable.
● El objetivo esencial de la modelación matemática, es construir o diseñar

modelos en los cuales se introduzcan variables ya sean de razón, absolutas,
de intervalo o categóricas y que a través de ellas y la relación que se
especifique mediante una serie de relaciones matemáticas (por ejemplo
ecuaciones), ayude a comprender el comportamiento del fenómeno sin
necesidad de tener el fenómeno mismo.
● La modelación matemática puede hacerse de varias maneras, sin embargo

para el análisis económico, los modelos se enfocan principalmente a
modelos causales en los que se especifica una o varias variables de
respuesta o variables dependientes.
● Generalmente la construcción de modelos causales en el análisis

económico se hace a través de técnicas de Mínimos Cuadrados, en las que
se establece una relación entre variables que son explicadas en función de
otras. No obstante existen otras maneras de construir modelos causales, por
ejemplo los modelos de simulación.
La modelación por MC tiene asociadas varias técnicas de aplicación

en función del tipo de variable de respuesta considerada:
1) Modelos de variables de razón o de intervalo.
Se utilizan las técnicas de regresión simple y múltiple convencionales

(Mínimos Cuadrados Ordinarios –MCO-), donde la variable
dependiente es de razón o de intervalo.
2) Modelos de variables enteras o de conteo.
Se utilizan las técnicas de Mínimos Cuadrados donde la variable

dependiente es entera positiva o cero (variables absolutas). La
técnica de MC usada para este caso es la Regresión de Poisson.

3) Modelos de variables de respuesta cualitativa.
Se utilizan las técnicas de Mínimos Cuadrados donde la variable

dependiente es categórica o cualitativa, de modo que cada
categoría escogida por el modelo sea la de mayor probabilidad
de ocurrencia. Una derivación muy importante de estos modelos,
es la capacidad de estimar valores probabilísticos de ocurrencia
de cada caso o categoría con base en información previa.
Las técnicas de MC usadas para este caso son la Regresión

Logística (Binomial y Multinomial), Regresión Ordinal y los modelos
Logit y Probit.
46
4) Modelos que incluyen correlación espacial (Econometría

Espacial)
Los modelos de econometría espacial pertenecen a un área

donde las técnicas analíticas son diseñadas para incorporar
dependencia en las observaciones que tienen una proximidad
geográfica. Expandiendo los modelos de regresión lineal, estos
muestran la dependencia que se tiene con los vecinos y crean
dependencia en las regiones.
47
6. Actividades
1) Buscar y conformar una base de datos en excel que represente un

ejemplo de datos de corte transversal. Sugerencia: Busque
cualquier fuente económica o poblacional en la página de INEGI.

ejemplo de datos de Panel. Sugerencia: Busque cualquier fuente
económica o poblacional en la página de INEGI. Nota:
Posiblemente necesite varios periodos de la misma encuesta o
censo, organícelos de tal manera que tenga todos los periodos en
la misma hoja de excel.

ejemplo de Serie de Tiempo. Sugerencia: Busque cualquier fuente
económica o poblacional en la página de INEGI.
4) Dentro de esas tres bases de datos, señale en la misma hoja excel

qué tipos de datos son cada uno de ellos.
48

Econometría I IIEc UNAM 2018-II (Unidad 1)

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Econometría I IIEc UNAM 2018-II (Unidad 1)

Uploaded by

Copyright:

Available Formats

Universidad Nacional Autónoma de México

Instituto de Investigaciones Económicas

Dr. Roberto Ramírez Hernández

Mtro. Uberto Salgado Nieto

1. Antecedentes, conceptos y origen de la

2. Enfoque tradicional y nuevo enfoque del análisis

4. Datos de corte transversal, temporales y de panel.

5. Otros modelos: Modelos de respuesta cualitativa y

Unidad 1 Introducción: La naturaleza de la econometría y los datos económicos 2 / 42

El término econometría fue utilizado por primera vez en

En su gran mayoría, los textos actuales consideran que la

● “La econometría, resultado de cierta perspectiva sobre el papel que juega la

● “… la econometría puede ser definida como el análisis cuantitativo de

● “La econometría puede ser definida como la ciencia social en la cual

● “La econometría tiene que ver con la determinación empírica de las

● “El arte del econometrista consiste en encontrar el conjunto de

● “Los econometristas … son una ayuda en el esfuerzo por disipar la mala

● “El método de la investigación econométrica busca esencialmente una

● “La econometría es esencialmente un enfoque de investigación que

● Ragnar Frisch señaló en 1933 sobre la teoría económica, la estadística y

● “ … no es idéntica a lo que denominamos teoría económica general,

● … la experiencia ha mostrado que cada uno de estos tres puntos de

● Gujarati (1997), afirma que merece la pena ser estudiada en forma

● “La teoría económica hace afirmaciones o formula hipótesis de

● “Pero la teoría de por sí no proporciona medida numérica alguna de la

● “El trabajo del econometrista (sic) es proporcionar tales estimativos

● “El interés principal de la economía matemática es expresar la teoría

● “La estadística económica se relaciona principalmente con la

(b) a) Parte de alguna teoría

(e) d) Utiliza herramientas

● Bajo este esquema metodológico, se construyeron

● Dado el enfoque, se realizaban regresiones y se escogía

● El resultado de estos trabajos fueron modelos con

En general el diagrama del

● La idea central de este nuevo enfoque metodológico es determinar

● Existe retroalimentación del modelo econométrico a los datos y el

● El Proceso Generador de Datos (PGD) es el fenómeno económico de

● Uno de los principales aportes de esta metodología ha sido,

● El uso de los datos en los modelos econométricos lleva implícita una

● Algunas de los problemas más comunes en la generación y uso de datos

● Desconocimiento del tipo de datos y su manejo en las técnicas.

● Complejidad de la modelización de los fenómenos económicos,

● Escasez de datos sobre el fenómeno.

Frente a lo anterior, se plantean dos vertientes de solución:

● Desconocimiento de las técnicas de tratamiento, obtención y/o

● Mal uso de las técnicas de tratamiento, obtención y/o estimación de

• Desconocimiento de los tipos de datos existentes.

Los tipos de datos existentes en los análisis cuantitativos (escalas

● Datos de escala nominal:

● Datos de escala ordinal:

Los tipos de datos existentes en los análisis cuantitativos (escalas

Los tipos de datos existentes en los análisis cuantitativos (escalas

Grado de Mediana, moda, proporción, cuartiles y

Número de Histograma Diagrama de Pie Medidas de tendencia central, medidas de

Temperatura Histograma Diagrama de Pie Medidas de tendencia central, medidas de

 Censos de Población y Vivienda (1980, 1990, 2000,

 Conteos de Población / Encuesta Intercensal (1995,

 Censos Económicos (1994, 1999, 2004, 2009, 2014, … )

Unidad 1 Introducción: La naturaleza de la econometría y los datos económicos 22 / 42

 Censos Agropecuarios (1991, 2007, ... )

Unidad 1 Introducción: La naturaleza de la econometría y los datos económicos 23 / 42

 Encuestas en establecimientos (INEGI)

Unidad 1 Introducción: La naturaleza de la econometría y los datos económicos 24 / 42

 Encuestas en hogares (INEGI)