La naturaleza de la econometría, los datos económicos y el modelo de regresión simple

La naturaleza de la econometría, los datos económicos y el modelo de regresión simple

Capítulo 1.

La econometría es la medición económica que junto a herramientas como la matemática y la estadística busca relacionar un conjunto de variables que se formulan en modelos econométricos con el propósito de hacer una estimación de parámetros y dar solución a una pregunta planteada. Así mismo, de acuerdo con lo que expone Jeffrey Woldridge en su libro Introducción a la Econometría, esta rama de la economía tiene como objetivo probar teorías económicas y evaluar e implantar políticas públicas y de negocios. Generalmente, la econometría se usa con mayor frecuencia en la predicción de variables macroeconómicas.

Para el estudio y realización de esta disciplina se requiere de la recolección de datos, estos pueden ser de carácter no experimental y experimental. En primer lugar, los datos no experimentales conocidos como retrospectivos u observacionales son información recolectada sobre individuos, empresas, etc., que se obtienen por medio de experimentos no controlados. Por otro lado, los datos experimentales suelen ser obtenidos en laboratorios y es abordado por el área de las ciencias naturales. Se puede decir que, en materia de problemas econométricos, hacer un estudio con el uso de datos experimentales controlados es realmente costoso.

Ahora bien, dentro de un análisis económico empírico es importante tener en cuenta algunos pasos. Primero, formular la pregunta de interés acerca del tema que se busca estudiar y analizar. Por ende, se requiere de la estructuración de un modelo económico que está relacionado con probar alguna teoría económica. Un ejemplo muy común es la medición de las decisiones de consumo de un individuo. No obstante, cabe mencionar que en la vida cotidiana, muchos análisis empíricos parten con el uso de modelos económicos menos formales como la “intuición”; es decir, respuestas a preguntas que no tienen como base una teoría.

Segundo, “una vez precisado el modelo económico, es necesario transformarlo en lo que se llama un modelo econométrico” (Woldridge, 2015). La diferencia radica en que este último se compone de unos parámetros los cuales se estiman y se analizan y, a su vez, de la letra  que es el término error que comprende factores no precisados. Un ejemplo de un modelo econométrico es: ¿qué efecto tiene la capacitación laboral y la productividad de los trabajadores en sus salarios? La regresión a estimar queda de la siguiente forma:[pic 1]

[pic 2]

Salario = salario por hora

Educ = años de escolaridad formal

Exper = años de experiencia laboral

Capacitación = semanas de capacitación laboral

Ahora bien, dado que un análisis empírico necesita datos sobre las variables relevantes, es importante ver qué tipos de datos hay y cuáles son sus estructuras.

Datos de corte transversal: son datos recogidos en un momento puntual del tiempo y se hace para muchas variables (entiéndase: individuos, hogares, empresas, ciudades, estados, etc.). Una característica clave del análisis econométrico de bases de corte transversal es que el orden de los datos no tiene mayor relevancia.

Datos de series de tiempo: a diferencia de los datos de corte transversal, en una serie de tiempo el orden cronológico de las observaciones es muy importante. Así mismo, son datos que requieren atención a la periodicidad de los mismos; es decir, la frecuencia con que éstos se recolectan. Las bases de datos de series de tiempo se caracterizan porque estudian una sola variable en distintos períodos del tiempo, como por ejemplo: el PIB.

Datos de panel o longitudinales: se conocen como una fusión entre los datos de corte transversal y las series de tiempo, puesto que estudian a varias variables en diferentes períodos de tiempo. Por consiguiente, se aclara que esta es una base de datos relativamente costosa de obtener y mantener. Sin embargo, existe una ventaja interesante y es que estos datos permiten estudiar la importancia de desfases de conducta o resultados de la toma de decisiones.

Por otra parte, existe un tema fundamental en lo que es el efecto causal entre las variables y el concepto de ceteris paribus. Generalmente, en los modelos econométricos el efecto causal entre una variable y otra requiere del análisis de muchas otras variables. Por ejemplo, en el caso de ¿qué efecto tiene la capacitación laboral y la productividad de los trabajadores en sus salarios? Se tiende a evaluar otras variables como la educación y la experiencia laboral. Sin embargo, mediante el concepto de ceteris paribus se busca un efecto causal entre una y otra variable mientras todos los demás factores permanecen constantes. A pesar de que eso pueda parecer sencillo, no será posible mantener, literalmente, todo lo demás sin cambio.

Capítulo 2.

El modelo de regresión simple

Básicamente el modelo de regresión simple funciona para estudiar la relación entre dos variables. Entonces, la mayoría de los análisis econométricos buscan explicar “y en términos de x”. Según Woldridge, hay que tomar en consideración tres aspectos: “Primero, dado que entre las variables nunca existe una relación exacta, ¿cómo puede tenerse en cuenta otros factores que afecten a “y”? Segundo, ¿cuál es la relación funcional entre “x” y “y”? Y, tercero, ¿cómo se puede estar seguro de que dicha relación esté bajo el concepto de ceteris paribus?” (Woldridge, 2015).

...