ELACIONES ESTADÍSTICAS VERSUS RELACIONES DETERMINÍSTICAS

[pic 1]

ECONOMIA – UTPL

ECONOMETRIA 1

TEMA: CONSULTA No. 2

NOMBRE: JESSICA TOLEDO JIMENEZ

DOCENTE: ECO. RONNY FABIAN CORREA QUEZADA

LOJA – ECUADOR

2015- 2016

CONSULTA No. 1

ELECCION ENTRE MODELOS RIVALES

[pic 2]

TIPOS DE ECONOMETRIA[pic 3][pic 4]

[pic 5][pic 6][pic 7]

[pic 8]

[pic 9][pic 10][pic 11]

[pic 12]

CONSULTA No. 2

RELACIONES DETERMINISTICAS

Las relaciones determinísticas son comunes en las ciencias físicas. Es posible observar varios valores de la variable dependiente para un mismo valor de la variable independiente. Por este motivo, las variables económicas se modernizan como variables aleatorias, cuyo valor no se conoce con certeza sino con una determinada probabilidad

 y = f(x) +u

Donde u es una variable aleatoria, a la que se denomina perturbación aleatoria

• RELACIONES ESTADÍSTICAS VERSUS RELACIONES DETERMINÍSTICAS

En la econometría nos interesa la dependencia estadística entre variables, donde tratamos con variables aleatorias como mencionamos anteriormente, es decir, variables que tienen una distribución de probabilidad. La dependencia determinística, por el contrario, trata relaciones como la ley de gravedad de Newton1 , las que son exactas (no tienen naturaleza aleatoria).

 La calidad de un producto, por ejemplo el vino, dependerá de cómo fue su cosecha y por lo tanto, de variables como la temperatura al que estuvo expuesta la uva, la cantidad de lluvia, sol y los fertilizantes. La relación entre estas variables explicativas y la calidad del vino tiene una naturaleza estadística, ya que si bien estas variables ayudan al productor de vino a saber más o menos como será la cosecha, no podrá predecir en forma exacta la calidad del producto debido a los errores involucrados en estas variables y porque pueden haber otros factores difíciles de medir que estén afectando la calidad del vino. La variable dependiente, en este caso la calidad del vino, tiene una variabilidad aleatoria, ya que no puede ser explicada en su totalidad por las variables explicativas.

REGRESION Y CAUSALIDAD

Es importante tener claro que la regresión es una relación estadística, que no implica causalidad apriori. En el ejemplo del vino, no hay una razón estadística para suponer que la lluvia no depende de la calidad del vino. Pero nuestro sentido común nos hace considerar como variable dependiente la calidad del vino y no la lluvia. Es importante recordar de aquí en adelante que una relación estadística no puede por sí misma implicar en forma lógica una causalidad.

REGRESION Y CORRELACION

El Análisis de Correlación está estrechamente relacionado con el de regresión aunque conceptualmente son dos cosas muy diferentes. El análisis de correlación tiene como objetivo medir el grado de asociación lineal entre dos variables, medida a través del coeficiente de correlación. Por ejemplo, se puede estar interesado en medir el grado de correlación entre años de educación y salario. En cambio, el análisis de regresión trata de estimar o predecir el valor promedio de salario para un nivel dado de educación.

PRECISION DE DATOS

Son numerosos datos para la investigación económica por ello su calidad no siempre es adecuada y por múltiples razones.

• En su mayoría Los datos de las ciencias sociales son de naturaleza no experimental por lo que se puede incurrir errores de observación por acción u omisión.
• Aun en datos reunidos experimentalmente surgen errores de medición debido a las aproximaciones o al redondeo.
• En encuestas por cuestionarios, el problema de la falta de respuesta puede ser grave.
• Los métodos de muestreo para obtención de datos llegan a variar tanto que a manudo es difícil comprar los resultados.
• Las cifras económicas suelen estar disponibles en niveles muy agregados.
• Debido a su carácter confidencial, ciertos datos solo pueden publicarse en forma muy agregada.

Por estos problemas y muchos más, el investigador debe tener siempre en mente que el resultado de la investigación será tan bueno como sea la calidad de datos mientras que si los resultados es tan mala los datos pueden ser de mala calidad.

ESCALAS DE MEDICION DE LAS VARIABLES

Las principales variables que se encuentran se clasifican en 4 categorías generales:

• Nominales: nombres o clasificaciones que se utilizan para datos en categorías distintas y separadas.
• Ordinales: son las que clasifican las observaciones en categorías con un orden significativo.
• Intervalo: medidas numéricas en la cual el valor cero es arbitrario pero la diferencia entre valores es importante.
• Razón: medidas numéricas en las cuales el valor cero es un valor fijo y la diferencia entre valores es importante.

IMPORTANCIA DEL TERMINO DE PERTURBACION ESTOCASTICA

...