ECONOMETRIA

1. Econometría

La econometría (de econo, economía y metría, medición, o sea, medición de la economía) es la rama de la economía que utiliza métodos y modelos matemáticos. El cálculo, la probabilidad, la estadística, la programación lineal y la teoría de juegos, así como otras áreas de las matemáticas, se utilizan para analizar, interpretar y predecir diversos variables y sistemas económicos, como el precio, las reacciones del mercado, el coste de producción, la tendencia de los negocios y la política económica.

2. CLASIFICACIÓN DE LOS MODELOS ECONOMÉTRICOS

Existe una tipología amplia de modelos econométricos en función de distintas clasificaciones:

Según el tipo de datos de las variables utilizadas en el modelo:

• Series temporales: los datos pueden corresponder a los valores de una variable en el tiempo. Estos pueden tener frecuencia, diaria, semanal, mensual o anual. Así podemos analizar las cotizaciones en bolsa diarias, los índices de precio al consumo mensuales, los datos anuales del PIB de un país, etc.

• Series de corte transversal: los valores corresponden a distintos sujetos para un mismo momento del tiempo. En este caso se trataría de series del tipo de consumo de diferentes familias, inversión de distintas empresas, paro en diferentes provincias, etc.

Según el momento del tiempo al que hacen referencia se distingue entre:

• Modelos estáticos: cuando el subíndice hace referencia al mismo momento del tiempo o al mismo individuo económico tanto para la endógena como para todas las explicativas.

• Modelos dinámicos: cuando están involucradas las variables en diferentes puntos del tiempo. Así si estoy analizando la variable endógena consumo, utilizaré como variable explicativa la renta de ese mismo periodo, pero también podría utilizar la renta del año pasado, ya que mis decisiones de compra las tomaré en función de lo que pude ahorrar el año pasado. Al incluir variables en distintos momentos del tiempo podemos hablar de modelos dinámicos.

Según el número de variables endógenas que se desee explicar:

• Modelos inecuaciones: únicamente existe una variable endógena.

• Modelos multiecuacionales: existen varias variables endógenas que deseamos explicar, algunas de las cuales pueden ser a su vez variables explicativas de otras ecuaciones.

Según la transformación de los datos que se realice:

• Modelo en niveles: las variables aparecen expresadas en unidades de medida.

• Modelo en tasas de variación: las variables aparecen expresadas como incrementos. Cuando una variable la expreso en vez de en niveles en incrementos estoy eliminando la tendencia. Al introducir las variables en niveles puedo encontrar un mayor número de variables explicativas aparentemente correctas, ya que es más fácil encontrar variables explicativas que tengan la misma tendencia que la endógena. Pero eso no significa que esas variables sean las que realmente son causas explicativas de los cambios de la endógena. Por ello, al eliminar la tendencia de las variables exijo más al modelo, es decir, tengo en cuenta las variables que son realmente “causa”.

• Modelo en logaritmos. El modelo básico de regresión lineal permite únicamente trabajar con relaciones lineales. Pero no todas las variables tienen porque estar expresadas a través de una relación lineal. Cuando estimo un modelo únicamente con una variable endógena y una explicativa lo que trato es de encontrar la línea que mejor me recoja la información suministrada por ambas variables.

3. Datos Discretos

Datos que sólo toman un número finito de valores, lo opuesto a datos continuos.

Ejemplos Datos Discretos:

1.- Los datos que se toman en una lista de chequeo de asistencia a una empresa.

2.- Datos tomados en una lista a revisar operaciones realizadas como artículos en el inventario Podría ser como el llamado checklist en una auditoria de proceso.

3. Datos que se pueden observar en un casino como en una ruleta con pantallas de juego electrónicas donde se pueden observar

...