1 / 24

Facultad de Econom ía, Universidad Veracruzana

Facultad de Econom ía, Universidad Veracruzana. Clase Final del Curso Econometría I. Profesor Carlos Raúl Pitta Arcos Grupos 401 y 402 Xalapa, Ver., Jueves 27 de Junio de 2002. ¡¡¡ Por fin se libraron del Curso de Econometría I !!!. Xalapa, Ver. 27 de Junio de 2002. Prof. Carlos Pitta.

cid
Download Presentation

Facultad de Econom ía, Universidad Veracruzana

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Facultad de Economía, Universidad Veracruzana Clase Final del Curso Econometría I. Profesor Carlos Raúl Pitta Arcos Grupos 401 y 402 Xalapa, Ver., Jueves 27 de Junio de 2002.

  2. ¡¡¡ Por fin se libraron del Curso de Econometría I !!! Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  3. Econometría I Clase Final Aunque les ocasione mucha tristeza, hemos finalizado el curso de Econometría. Hemos recorrido un largo camino desde que, hace 4 meses, comenzamos el curso diciendo: Introducción. Origen. La econometría surge como una ciencia experimental a finales del siglo XIX en Europa. Francis Galton crea el análisis de regresión en 1886, que denominó Ley de Regresión Universal. Como movimiento organizado y estable, la sociedad econométrica se funda en 1933. Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  4. Econometría I Clase Final ¿Recuerdan? El Objetivo Primordial de la Economatría es encontrar la Función de Regresión Muestral, o FRM=E(Y|Xi) Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  5. Econometría I Definiciones Revisamos conceptos estadísticos claves, como nociones de probabilidad, momentos, valores esperados, espacios muestrales y funciones de densidad de probabilidad. ¡Y no nos faltó el rigor! Utilizamos los mismos teoremas que los estadísticos para probar los resultados más importantes. Ahora entendemos (espero con cierto nivel de probabilidad) lo que a veces nos parecieron geroglíficos indescifrables. Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  6. Econometría I Cálculo Incluso, en algún momento durante el curso, aprendimos rudimentos del cálculo integral, teoría de optimización e incluso un poquito más de teoría económica. No parece tan complicado, ¿Verdad? ¡¡En todo caso, no debería serlo para el día del examen final!! Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  7. Econometría I Cálculo Revisamos con gran detalle el problema fundamental del análisis de regresión: la minimización de los errores. Enmarcamos el problema dentro del Modelo Lineal Simple, establecimos para él ciertos supuestos clásicos, y revisamos sus propiedades algebraicas y estadísticas. Nos divertimos mucho, ¿Recuerdan? Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  8. Econometría I Pruebas de Hipótesis También, vimos la teoría y la práctica necesaria para llevar a cabo cualesquiera prueba de hipótesis que deseáramos probar, ya sea individual o conjunta. Y desde luego, no dependemos peligrosamente de Eviews, ¡¡también podemos hacerlo a mano!! Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  9. Econometría I Econometric Views Para ello, en una parte del curso nos vimos en la necesidad de conocer y aprender el funcionamiento del paquete econométrico Econometrics Views, o Eviews. Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  10. Econometría I Modelo Generalizado Y aun cuando parecía sumamente esotético en un primer momento, construimos la Matriz de Varianza Covarianza para el caso generalizado de k variables explicativas, enunciamos y probamos formalmente el Teorema de Gauss-Markov. Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  11. Es decir, conocemos a profundidad el Modelo Lineal Generalizado, pilar de la econometría clásica.

  12. Ahora podemos preguntarnos, ¿Qué más nos falta por conocer? En cursos posteriores, podemos ahondar en conceptos como:

  13. Econometría I Violación de supuestos clásicos Cómo pilar de nuestro modelo clásico, se encuentran 10 supuestos básicos que ustedes ya conocen. Los princiales Se refieren al comportamiento de los errores dentro de La regresión. A los economistas siempre nos acusan de que los modelos no Están apegados a la realidad (aunque sabemos que eso No importa). En este caso, sin embargo, ¿Qué ocurriría si Alguno de los supuestos de Gauss-Markov no se cumplen? Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta Prof. Carlos Pitta

  14. Econometría I Heterocedasticidad Si los errores no se comportan normalmente, es decir, si su media no es cero ni su varianza constante, se presenta el problema de Heterocedasticidad. Esto afecta la manera de hacer inferencia, y se probará luego que los estimadores no son insesgados como los de MICO. Ustedes resolverán este problema en el curso posterior. Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta Prof. Carlos Pitta

  15. Econometría I Autocorrelación Si los errores de hoy son afectados por los errores del pasado, entonces se presenta la autocorrelación. En el fondo, es una forma de no normalidad de los errores, pero la ventaja es que podemos a llegar a conocer el comportamiento de los errores, por ejemplo: U(t) = U(t-1) + V(t) En donde ahora V(t) es un nuevo error que sí se comporta normalmente. Las consecuencias de la Autocorrelación son serias (MICO no es MELI, no es válida la Inferencia) pero ustedes verán métodos específicos para combatirla. Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta Prof. Carlos Pitta

  16. Econometría I Multicolinealidad La multicolinealidad en un problema de la información que tenemos para realizar la regresión. Se dice que hay multicolinealidad cuando una de las variables explicativas, además de explicar el comportamiento de la variable dependiente, explica también el comportamiento de otra variable explicativa. Es decir X1 y X2, por ejemplo, están correlacionadas (esto lo medimos mediante el estadístico rho, muy parecido al R2). Como verán después, ésto ocasiona que se incremente la varianza... Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta Prof. Carlos Pitta

  17. Econometría I Modelos Econométricos Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta Prof. Carlos Pitta

  18. Econometría I Modelos Econométricos Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta Prof. Carlos Pitta

  19. Econometría I Modelos Econométricos En donde: C = Consumo I = Inversión G = Gasto de gobierno P = Utilidades W = Nómina del Sector Privado W´ = Nómina del Sector Gobierno K = Existencias de Capital T = Impuestos t = tiempo ui = Perturbaciones estocásticas Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta Prof. Carlos Pitta

  20. Econometría I Modelos Econométricos En este modelo, las variables C, I, W, Y, P y K son consideradas variables conjuntamente dependientes o endógenas, y las variables Pt-1, Kt-1, Yt-1 se consideran como predeterminadas. En total, hay seis ecuaciones (entre ellas, tres identidades). En este modelo, se estudia con mucha riqueza las interdependecias entre las variables endógenas. Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta Prof. Carlos Pitta

  21. Econometría I Series de Tiempo Como les comenté a principios del semestre, la Econometría De Series de tiempo es una de las técnicas más empleadas en La actualidad, sobre todo por sus capacidades de pronóstico. Por ejemplo, si usted cree que el precio de una acción es: ¡Qué es el pronóstico del precio de la acción mañana, con base A la información de que usted dispone hoy! (Sólo imagine todos los billetes que usted puede ganar si la Fórmula anterior realmente llega a funcionar) Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  22. Econometría I Series de Tiempo Una ecuación como la anterior se llama “ecuación diferencial” Porque muestra el comportamiento de una variable o fenómeno Explicada por su comportamiento pasado. Estos modelos, como Se ve, son “ateóricos”, en el sentido de que no necesitan la Teoría Económica para poder funcionar, sino que con la sóla Información de la variable en tiempos pasados (la serie de Tiempo) es posible construir la prayectoria proyectada futura. Como siempre, adicionamos un factor Vt que representa una Variación estocástica. Entonces, las series de tiempo son en Realidad ecuaciones diferenciales estocásticas. Xalapa, Ver. 27 de Junio de 2002 Prof. Carlos Pitta

  23. ¡¡Todo eso y mucho más le espera en el excitante mundo de la Econometría ... !! Espero que este primer curso introductorio le haya dejado un buen sabor de boca, y se encuentre algo más preparado para hacer econometría.

  24. ¡¡ Muchas Gracias por haberme soportado a mi y al curso de Econometría I !! The End

More Related