Facultad de Economía Primera Clase del Curso Econometría II. Profesor Carlos Raúl Pitta Arcos Grupos 501 y 502 Xalapa, Ver., Martes 27 de Agosto de 2002.

¡¡¡ Bienvenidos nuevamente a los Cursos de Econometría !!! Xalapa, Ver. 27 de Agosto de 2002 Prof. Carlos Pitta

Después del primer curso, conocemos a profundidad el Modelo Lineal Generalizado, pilar de la econometría clásica.

Ahora podemos preguntarnos, ¿Qué más nos falta por conocer? En este curso, ahondaremos en conceptos como:

Violación de supuestos clásicosEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 Prof. Carlos Pitta El modelo que conocemos descansa Críticamente de 10 supuestos Fundamentales:

Violación de supuestos clásicosEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 Prof. Carlos Pitta 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?

HeterocedasticidadEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 Prof. Carlos Pitta 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. Nosotros resolveremos este problema en este curso.

AutocorrelaciónEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 Prof. Carlos Pitta 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.

MulticolinealidadEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 Prof. Carlos Pitta 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...

Variables DummyEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 Prof. Carlos Pitta En algunos problemas, la variable explicativa toma solo dos valores. Por ejemplo, si la variable explicativa es el género, sólo puede tomar valores de hombre o mujer. Cuando incluimos variables de este tipo en un modelo, estamos Incluyendo las llamadas variables Dummy o dicotómicas. Claro que necesitamos un valor numérico. Podemos dar valor De 1 si el sexo es femenino, y cero si el sexo es masculino. Como veremos, las variables dummy se utilizan en una amplia variedad de casos.

Series de TiempoEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 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)

Series de TiempoEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 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.

Series de TiempoEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 ¿Qué tiene todo esto que ver con la Econometría tradicional Que conocemos? Resulta que los modelos que conocemos como: Solamente son válidos en el largo plazo si las series (las Y y Las X) son series estacionarias. Después veremos que Entendemos por serie estacionaria. Lo importante ahora es Notar que si las series son No Estacionarias, ¡¡El modelo Anterior no sirve absolutamente para nada!!

Series de TiempoEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 Por lo tanto, incluso para hacer econometría clásica como la Que revisamos en el semestre anterior, debemos checar Previamente que las series son estacionarias. Eso lo haremos usando las metodologías de Johansen y de Engle y Granger. Esto es llamado análisis de cointegración, y lo emplearemos Extensivamente en este curso.

Econometric ViewsEconometría II Prof. Carlos Pitta Xalapa, Ver. 27 de Agosto de 2002 Para realizar todo lo anterior, utilizaremos más que nunca en este curso el paquete econométrico Econometrics Views, o Eviews, que comenzamos a revisar en el semestre anterior.

¡¡Todo eso y muchas otras emociones más nos esperan en el tremendamente sexy segundo curso de Econometría... !!

¡¡ Muchas Gracias, y nuevamente Bienvenidos al Curso de Econometría II !!