Tema 1. La Econometría y los datos económicos ¿Qué es la Econometría?
¿Qué es la Econometría? Estimar relaciones económicas Contrastar teorías económicas Evaluar/implementar políticas económicas/empresariales Predicción …Utilizando métodos estadísticos propios
Ejemplo 1 Estimar relaciones económicas Funcion de consumo Keynesiana 0 y 1 desconocidos Estimación
Ejemplo 2 Contrastar teorías económicas Funcion de consumo Keynesiana Hipótesis: 0 > 0; 1 < 1 Contraste
Ejemplo 3.1 Evaluar políticas públicas Programa de reciclaje de trabajadores “Usos de la informática en los procesos de producción de manufacturas textiles” ¿Cuál ha sido el impacto sobre los salarios?
Ejemplo 3.2 Evaluar políticas empresariales Campaña publicitaria “agresiva” “Simon Life contiene un 10% de zumo, mientras que Sunny Delight contiene tan sólo un 5% ” ¿Cuál ha sido el impacto sobre las ventas?
Ejemplo 4 Predicción ¿Cuánto aumentarán los ingresos fiscales si el gobierno aumenta los impuestos un 5%? ¿Cuánto aumentarán las ventas si la empresa reduce el precio un 10%?
¿Por qué estudiar Econometría? Ausencia de datos experimentales (Ciencias Sociales) Necesitamos datos no experimentales para realizar inferencias
Análisis empírico formal: etapas I Formular pregunta: “¿cómo afecta al salario las semanas de reciclaje?” Construir modelo económico:
Análisis empírico formal: etapas II Construir modelo econométrico: donde u contiene factores inobservables (término de error/perturbación): capacidad innata, calidad de la educación recibida, “background” familiar, errores de medida, …
Análisis empírico formal: etapas III Se establecen las hipótesis de interés en términos de los valores desconocidos de los parámetros del modelo: Se obtienen los datos Se estima el modelo Se contrastan las hipótesis
Análisis empírico formal Un análisis empírico utiliza datos para contrastar una teoria o estimar una relación Se puede contrastar un modelo económico formal La teoría puede ser ambigua respecto al efecto de determinados cambios de política – se puede utlizar la econometría para evaluación
Tipos de Datos – Sección Cruzada Cada observación es un nuevo individuo, en un momento dado del tiempo Muestreo aleatorio de una población Si la muestra no es aleatoria, tenemos un problema de selección muestral
Tipos de Datos – Sección Cruzada Ejemplo: datos sobre salarios y otras características Observ. nº salario educ exper civil 1 3.10 11 2 3.24 12 22 3 6.00 . 526 3.50 14 5
Tipos de Datos – Series temporales Una observación para cada momento del tiempo– precios de acciones (Casi) Nunca es una muestra aleatoria Tendencias y estacionalidad (frecuencia)
Tipos de Datos – Series temporales Ejemplo: datos macroeconómicos España Observ. nº año CPN80 RNDF80 RCP 1 1964 4865674 5333231 -0.001280 2 1965 5186961 5926445 -0.068827 3 1966 5545924 6420995 -0.042424 . 35 1998 15119674 16187236 0.010923
Tipos de Datos – Pool/Panel Podemos combinar (‘pool’) secciones cruzadas aleatorias. Sólo tenemos que tener en cuenta las diferencias temporales. Podemos seguir a las mismas observaciones individuales a lo largo del tiempo – datos de panel (o longitudinales)
Tipos de Datos – Ejemplo Pool Obs nº año precio impuesto Hab. 1 1993 85500 42 3 2 67300 36 . 250 243600 41 4 251 1995 65000 16 252 182400 20 520 57200
Tipos de Datos – Ejemplo Panel Obs nº ciudad año Asesinatos Pob Des. 1 1986 5 350000 8.7 2 1990 8 359200 7.2 3 64300 5.4 4 65100 5.5 . 297 149 10 260700 9.6 298 6 245000 9.8 299 150 25 543000 4.3 300 1900 32 546200 5.2
La Causalidad Normalmente queremos analizar relaciones de causalidad entre variables Si realmente controlamos el efecto de otras variables, el efecto estimado ‘ceteris paribus’ se puede considerar causal Es difícil establecer la existencia de causalidad
Ejemplo: Rendimientos de la Educación Modelo de inversión en capital humano: más educación debería implicar mayores ingresos En el caso más simple:
Ejemplo: (continuación) La estimación de b1, es el rendimiento de la educación, ¿pero se puede considerar causal? El término de error, u, incluye otros factores que afectan a los ingresos: necesidad de control Pueden quedar elementos no observables, lo que puede ser problemático Use nlsy.dta to estimate a simple earnings function