_ ECONOMETRIA CUARTA EDICION Damodar N. Gujarati United States Military Academy, West Point Traduccién Demetrio Garmendia Guerrero Licenciado en Matematicas Gladys Arango Medina Economista de la Universidad de Los Andes Traductora e intérprete oficial Revision técnica Martha Misas Arango gadora Subgerencia de Estudios Econémicos Banco de la Republica MEXICO + BUENOS AIRES + CARACAS * GUATEMALA LISBOA * MADRID NUEVA YORK * SAN JUAN + SANTAFE DE BOGOTA « SANTIAGO AUCKLAND « LONDRES * MILAN * MONTREAL * NUEVA DELHI SAN FRANCISCO * SINGAPUR « ST. LOUIS * SIDNEY + TORONTOGerente de divisién: Leonardo Newball Gonzalez Gerente de producto: Ricardo del Bosque Alayén Editora de desarrollo: Olga Adriana Sanchez Navarrete Supervisor de produccién: Zeferino Garcia Garcia ECONOMETRIA Cuarta edicién Prohibida la reproduccién total o parcial de esta obra, por cualquier medio, sin autorizacién escrita del editor. McGraw-Hill Interamericana DERECHOS RESERVADOS © 2004, respecto a la cuarta edicin en espariol por McGRAW-HILL INTERAMERICANA EDITORES, S. A. de C. V. A subsidiary of The McGraw-Hill Companies, Inc. Cedro Num. 512, Col. Atlampa Delegacién Cuauhtémoc, 06450 México, D. F. Miembro de la Camara Nacional de la Industria Editorial Mexicana, Reg. Num. 736 ISBN 970-10-3971-8 Traducido de la cuarta edicion en inglés de Ia obra: BASIC ECONOMETRICS Published by McGraw-Hill/Inwin © 2003, 1995, 1988, 1978 by The McGraw-Hill Companies, Inc. Al rights reserved. ISBN 0-07-233542-4 1234567890 09876532104 Impreso en México Printed in Mexico cahepers nanosAmiesposa, Pushpa, y a mis hijas, Joan y DianeACERCA DEL AUTOR Después de enseftar durante mas de 28 aitos en la City University of New York, Damodar N. Gujarati es actualmente profesor de Economia en el Departamen- to de Ciencias Sociales de la U. S. Military Academy en West Point, Nueva York. El Dr. Gujarati recibié el grado de M.Com de la Universidad de Bombay en 1960, el grado M. B. A. de la Universidad de Chicago en 1963 vel grado de Ph.D. de la Universidad de Chicago en 1965. El Dr. Gujarati ha publicado sus trabajos ampliamente en revistas reconocidas a nivel nacional e internacional, tales como Review of Economics and Statistics, el Economic Journal, el Journal of Financial and Quantitative Anadysis, el Journal of Business, el American Statistician y el Journal of Industrial and Labor Relations. El Dr. Gujarati es arbitro editorial para diversas revistas y libros, y fue miembro del Consejo Editorial del Journal of Quantitative Economics, publicacién oficial de la Sociedad Econométrica de la India. El Dr. Gujarati es también el autor de Pensions and the New York Fiscal Crisis (Las pensiones y las crisis fiscal de la ciudad de Nueva York) (The American Enterprise In: ite, 1978), Gobernment and Business (El gobierno y las empre- sas) (McGraw-Hill, 1984) y Essentials of Econometrics (McGraw-Hill, 1999). Los libros del Dr. Gujarati sobre econometria han sido traducidos a diversos idio- mas. EI Dr. Gujarati fue profesor visitante en la Universidad de Sheffield, Inglate- 1ra (1970-1971), profesor visitante Fulbright en India (1981-1982), profesor vi- sitante en la Facultad de Administraci6n de la Universidad Nacional de Singapur (1985-1986) y profesc inte de econometria de la Universidad de Nueva Gales del Sur, Australia (durante el verano de 1988). Como participante activo del programa de conferencias en el exterior de la USIA, el Dr: Gujarati ha dicta- do numerosas conferencias sobre temas micro y macroeconémicos en paises como Australia, Bangladesh, China, Alemania, India, Israel, Mauricio y la Re- publica de Corea del Sur: El Dr. Gujarati también ha dictado seminarios y expo- siciones en Canada y México,CONTENIDO BREVE PARTE | PARTE 1! 10 " 12 13 PARTE Il 4 15 PREFACIO Introduccién MODELOS DE REGRESION UNIECUACIONALES Naturaleza del andlisis de regresi6n Analisis de regresién con dos variables: algunas ideas basicas Modelo de regresién con dos variables: problema de estimacion Modelo clasico de regresién lineal normal (MCRLN) Regresién con dos variables: estimacién de intervalos y prueba de hipétesis Extensiones del modelo de regresién lineal de dos variables Analisis de regresién mltiple: problema de estimacién Analisis de regresién miltiple: el problema de la inferencia, Modelos de regresién con variables dicétomas VIOLACION DE LOS SUPUESTOS DEL MODELO CLASICO Mutticolinealidad: qué pasa si las regresoras estan correlacionadas? Heteroscedasticidad: .qué pasa cuando la varianza del error no es constante? Autocorrelacién: zqué sucede si las términos error estén correlacionados? Diseno de modelos econométricos: especiticacién del modelo y prueba de diagnéstico TEMAS DE ECONOMETRIA Modelos de regresién no lineales Modelos de regresién de respuesta cualitativa, xix 15 7 26 56 103 114 158 195, 239 285 321 327 372 425 487 541 543 560CONTENIDO BREVE 16 17 PARTE IV 18 19 20 PARTE V 21 22 Modelos de regresién con datos en panel Modelos econométricos dinémicos: modelos autorregresivos yy de rezagos distribuidos MODELOS DE ECUACIONES SIMULTANEAS Modelos de ecuaciones simultaneas El problema de la identificacion Metodos de ecuaciones simulténeas ECONOMETRIA DE SERIES DE TIEMPO Econometria de series de tiempo: algunos conceptos basicos Econometria de series de tiempo: pronésticos BIBLIOGRAFIA SELECTA INDICES 613 632 689 691 709 735 765 767 809 951 955CONTENIDO M4 12 La. La Is 16 \7 PARTE | 14 12 13 14 15 16 17 PREFACIO Introduccién LQUE ES LA ECONOMETRIA? 4POR QUE UNA DISCIPLINA APARTE? METODOLOGIA DE LA ECONOMETRIA Planteamiento de la teoria o hipdtesis Especticacion del modelo matematico de consumo Expecticacién del modolo economeétrica de consume CObtencién de informacion Estimacién del modelo econométrico Prueba de hipétosis, Proyeccién o pregiccién 8. Uso del modelo para fines de contro o de politica Eleceién entre modelos on competencia TIPOS DE ECONOMETRIA PRERREQUISITOS MATEMATICOS Y ESTADISTICOS EL PAPEL DE LA COMPUTADORA SUGERENCIAS PARA LECTURAS POSTERIORES MODELOS DE REGRESION UNIECUACIONALES Naturaleza del andlisis de regresién ORIGEN HISTORICO DEL TERMINO REGRESION NTERPRETACION MODERNA DE LA REGRESION RELACIONES ESTADISTICAS VS. RELACIONES DETERMINISTICAS REGRESION VS. CAUSALIDAD REGRESION VS. CORRELACION ‘TERMINOLOGIA Y NOTACION NATURALEZA Y FUENTES DE INFORMACION PARAEL ANALISIS ECONOMETRICO Tipos de datos xxix waronanoans 15 7 7 18 ai 22. 23 23, 24 25CONTENIDO 18 24 2.2 23 24 25 26 27 28 34 32 33 34 35 36 a7, 38 39 At 3A2 sag a4 SAS Fuentes de informacion Precision de la informacion Una observacion sobre las escalas de medicién de las varlables RESUMEN Y CONCLUSIONES EVERCICIOS Anélisis de regresi6n con dos variables: algunas ideas basicas, EJEMPLO HIPOTETICO CONCEPTO DE FUNCION DE REGRESION POBLACIONAL (FRP) SIGNIFICADO DEL TERMINO “LINEAL” Linaalidad en las variables Linealidad en los parametros ESPECIFICACION ESTOCASTICA DE LA FRP SIGNIFICADO DEL TERMINO “PERTURBACION ESTOCASTICA" FUNCION DE REGRESION MUESTRAL (FRM) UN EJEMPLO ILUSTRATIVO RESUMEN Y CONCLUSIONES EJERCICIOS Modelo de regresi6n con dos variables: problema de estimacién METODO DE MINIMOS CUADRADOS ORDINARIOS (MCO) MODELO CLASICO DE REGRESION LINEAL: SUPUESTOS, DETRAS DEL METODO DE MINIMOS CUADRADOS: {Qué tan reales son estos supuestos? PRECISION O ERRORES ESTANDAR DE LOS MINIMOS CUADRADOS ESTIMADOS PROPIEDADES DE LOS ESTIMADORES DE MINIMOS, CUADRADOS: TEOREMA DE GAUSS-MARKOV COEFICIENTE DE DETERMINACION r° UNA MEDIDA DE LA “BONDAD DEL AJUSTE” EJEMPLO NUMERICO EJEMPLOS ILUSTRATIVOS UNA OBSERVACION SOBRE LOS EXPERIMENTOS, MONTE CARLO RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 3A, DERIVACION DE LOS MINIMOS CUADRADOS ESTIMADOS PROPIEDADES DE LINEALIDAD E INSESGAMIENTO DE LOS ESTIMADORES DE MINIMOS CUADRADOS: VARIANZAS Y ERRORES ESTANDAR DE LOS ESTIMADORES DE MINIMOS CUADRADOS: COVARIANZA ENTRE fi, ¥ fi. ESTIMADOR DE MINIMOS CUADRADOS DE o” ar 28 29 30 31 38 36 39 40 40 4a 42 43 45, 43 50 50 56 56 63 72 73 76 78 84 86 88 89 20 96 98 96 7 98 983A6 3A7 44 42 43 44 48 aaa 4az BA 52 53 54 55 56 87 58 59 CONTENIg PROPIEDAD DE VARIANZA MINIMA DE LOS ESTIMADORES: DE MINIMOS CUADRADOS CONSISTENCIA DE LOS ESTIMADORES MINIMOS CUADRADOS, Modelo clasico de regresién lineal normal (MCRLN) DISTRIBUCION DE PROBABILIDAD DE LAS. PERTURBACIONES u, SUPUESTO DE NORMALIDAD Por qué razén debe formularse el supuesto de normalidad? PROPIEDADES DE LOS ESTIMADORES MCO BAJO EL SUPUESTO DE NORMALIDAD METODO DE MAXIMA VEROSIMILITUD (MV) RESUMEN Y CONCLUSIONES APENDICE 4A ESTIMACION DE MAXIMA VEROSIMILITUD DEL MODELO DE REGRESION CON DOS VARIABLES ESTIMACION MAXIMA DEL GASTO ALIMENTICIO EN INDIA APENDICE 4A EJERCICIOS y prueba de hipstesis PRERREQUISITOS ESTADISTICOS ESTIMACION DE INTERVALOS: ALGUNAS IDEAS BASICAS INTERVALOS DE CONFIANZA PARA LOS COEFICIENTES DE REGRESION f, Y f Intervalo de confianza para f. Intervalo de confianza para f, Intervaio de confianza para fy f: simulténeamente INTERVALO DE CONFIANZA PARA o* PRUEBA DE HIPOTESIS: COMENTARIOS GENERALES PRUEBA DE HIPOTESIS: METODO DEL INTERVALO. DE CONFIANZA Prueba de dos lados o dos colas. Prueba de un lado o de una cola PRUEBA DE HIPOTESIS: METODO DE PRUEBA DE SIGNIFICANCIA Prueba de significancia de los coeficientes de regresién: la prueba t Prueba de significancia para o*: la prueba y? PRUEBA DE HIPOTESIS: ALGUNOS ASPECTOS PRACTICOS El significado de “aceptar” 0 “rechazar’ una hipétesis Hipétesis nula 0 “cero” y regia préctica “ Formacién de las hipétesis nulla y alterna Seleccién del nivel de significancia « Nivel exacto de signiticancia: valor po “P-value! Signticancia estadistica versus signticancia préctica Seleccién entre los métodos del intervalo de confianza y la prueba de significancia en la prueba de hipotes's ANALISIS DE REGRESION Y ANALISIS DE VARIANZA 100 101 103 103 104 105 106 108 109 108 109 2 "3 114 114 115 116 116 119 119 119 120 121 121 123 123 123 126 128 128 129 130 130 131 132 133 134CONTENIDO 5.10 5.1 5.12 5.13 5A 5A 5A3 5SA4 64 62 63 64 65 66 67 68 69 69 6At AZ 7A 72 APLICACION DEL ANALISIS DE REGRESION: PROBLEMA DE PREDICCION Prediccion media Prediccion individual INFORME DE RESULTADOS DEL ANALISIS DE REGRESION EVALUACION DE RESULTADOS DEL ANALISIS DE REGRESION Prueba de normalidad tras pruebas sobre la bondad del modelo RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 5A. DISTRIBUCIONES DE PROBABILIDAD RELACIONADAS CON LA DISTRIBUCION NORMAL DERIVAGION DE LA ECUACION (5.3.2) DERIVACION DE LA ECUACION (5.9.1) DERIVACION DE LAS ECUACIONES (5.10.2) Y (5.10.6) Varianza de la prediccién media Varianza de la prediccion indivigual Extensiones de! modelo de regresién lineal de dos variables REGRESION A TRAVES DEL ORIGEN para el modelo de regresion a través del origen ESCALAS Y UNIDADES DE MEDICION Una nota sobre la interpretacién REGRESION SOBRE LAS VARIABLES ESTANDARIZADAS: FORMAS FUNCIONALES DE LOS MODELOS DE REGRESION COMO MEDIR LA ELASTICIDAD: MODELO LOG-LINEAL MODELOS SEMILOGARITMICOS: LOG-LIN Y LIN-LOG Cémo madir la tasa de crecimiento: Modelo Log-Lin EI modelo Lin-Log MODELOS RECIPROCOS Modelo log hipérbola 0 reciproce logaritmico ELECCION DE LA FORMA FUNCIONAL NOTA SOBRE LA NATURALEZA DEL TERMINO ERROR ESTOCASTICO: TERMINO DE ERROR ESTOCASTICO ADITIVO VS, MULTIPLICATIVO RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 6. DERIVACION DE LOS ESTIMADORES DE MINIMOS CUADRADOS PARA LA REGRESION A TRAVES DEL ORIGEN DEMOSTRACION DE QUE LA VARIABLE ESTANDARIZADA TIENE UNA MEDIA CERO Y UNA VARIANZA UNITARIA Analisis de regresién multiple: problema de estimacion MODELO DE TRES VARIABLES: NOTACION Y SUPUESTOS INTERPRETACION DE LA ECUACION DE REGRESION MULTIPLE 136 137 138 139 140 141 143 144 145 182 152 155 155 156 156 186 158 158 161 163, 166 167 169 169 172 172 175 7 182 183 185 186 187 191 191 193 198 195 19873 74 75 76 7 78 79 7.10 mm 712 TAA 7A2 7A3 7A4 7AS at a2 a3 a4 as CONTENIDO SIGNIFICADO DE LOS COEFICIENTES DE REGRESION PARCIAL ESTIMACION MCO Y MY DE LOS COEFICIENTES DE REGRESION PARCIAL Estimadores MCO Varianzas y errores estandar de los estimadores MCO Propiedades de los estimadores MCO Estimadores de maxima verosimiitud EL COEFICIENTE DE DETERMINACION MULTIPLE A® Y EL COEFICIENTE DE CORRELACION MULTIPLE R EJEMPLO 7.1: MORTALIDAD INFANTIL RESPECTOAL PIB PER CAPITA Y ALA TASA DE ALFABETIZACION EN LAS MUJERES Ragresion sobre variables estandarizadas LAREGRESION SIMPLE EN EL CONTEXTO DE REGRESION MULTIPLE: INTRODUCCION AL SESGO DE ESPECIFICACION RP Y Re AJUSTADA CComparacion de dos valores de R* Asignacion de A? entre as regresoras El "juego" de maximizacién de F® EJEMPLO 7.3: LA FUNCION OE PRODUCCION COBB-DOUGLAS: MAS SOBRE LA FORMA FUNCIONAL MODELOS DE REGRESION POLINOMIAL, COEFICIENTES DE CORRELACION PARCIAL Explicacién de los coeticlentes de correlacién simple y parcial Interpretacién de os coeficientes de correlacion simple y parcial RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 7A DERIVACION DE LOS ESTIMADORES MCO DADOS. EN LAS ECUACIONES (7.4.3) Y (7.4.5) IGUALDAD ENTRE LOS GOEFICIENTES DEL PIBPC DE (7.3.5) Y DE (7.6.2) DERIVACION DE LA ECUACION (7.4.19) ESTIMACION DE MAXIMA VEROSIMILITUD DEL MODELO DE REGRESION MULTIPLE LISTADO SAS DE LA FUNCION DE PRODUCCION COBB-DOUGLAS (7.9.4) Andlisis de regresién miltiple: el problema de la inferencia UNA VEZ MAS, EL SUPUESTO DE NORMALIDAD EJEMPLO 8.1: EL EJEMPLO DE LA MORTALIDAD INFANTIL, RECONSIDERADO PAUEBA DE HIPOTESIS EN REGRESION MULTIPLE: COMENTARIOS GENERALES PRUEBA DE HIPOTESIS SOBRE COEFICIENTES. INDIVIDUALES DE REGRESION PARCIAL PRUEBA DE SIGNIFICANCIA GLOBAL DE LA REGRESION MUESTRAL E] método del anaiisis de varianza en las pruebas de signiicancia global do una regrasién miltiple obsorvada: la prueba F 198 200 200 201 203 204 204 206 207 208 209 an 214 214 215 217 221 221 222 228 224 234 234 235 236 236 238 239 239 240 at 241 244CONTENIDO 86 87 88 89 8.10 att a12 o4 9.2 93 94 08 96 a7 98 99 9.10 att 9.12 Prueba de significancia global de una regresion multiple: la prueba F Una relacion importante entre Ry F Prueba de significancia global de una regresion multiple ‘en términos de R* La contrioucion “incremental” o “marginal” de una variable explicativa PRUEBA DE IGUALDAD DE DOS COEFICIENTES DE REGRESION MINIMOS CUADRADOS RESTRINGIDOS: PRUEBA SOBRE RESTRICCIONES DE TIPO IGUALDAD LINEAL, El método de la prueba t Método de la prueba F: minimos cuadrados restringidos Prueba F global PRUEBA PARA LA ESTABILIDAD ESTRUCTURAL © PARAMETRICA DE LOS MODELOS DE REGRESION: LA PRUEBA CHOW PREDICCION CON REGRESION MULTIPLE LA TRIADA DE LAS PRUEBAS DE HIPOTESIS: RAZON DE VEROSIMILITUD (RV), WALD (W) Y MULTIPLICADOR DE LAGRANGE (ML) PRUEBA DE LA FORMA FUNCIONAL DE LA REGRESION: SELECCION ENTRE MODELOS DE REGRESION LINEAL YLOG-LINEAL RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 8A Prueba de la razén de verosimilitud (RV) Modelos de regresién con variables dicétomas NATURALEZA DE LAS VARIABLES DICOTOMAS. MODELOS ANOVA Precaucién en el uso de las variables dicétomas MODELOS ANOVA CON DOS VARIABLES CUALITATIVAS, REGRESION CON UNA MEZCLA DE REGRESORAS CUALITATIVAS Y CUANTITATIVAS: LOS MODELOS ANCOVA LA VARIABLE DIGOTOMA ALTERNATIVA ALA PRUEBA CHOW EFECTOS DE INTERACCION AL UTILIZAR VARIABLES: DICOTOMAS USO DE LAS VARIABLES DICOTOMAS EN EL ANALISIS ESTACIONAL REGRESION LINEAL POR SECCIONES MODELOS DE REGRESION CON DATOS EN PANEL ALGUNOS ASPECTOS TECNICOS DE LA TECNICA DE LA VARIABLE DICOTOMA La intorpretacion de las variables dicétomas on las rogresiones semilogaritmicas Vatiables diedtomas y heteroscedastcidad Variables dicétomas y autocorrelacién Qué sucede sila variable cependiente es una variable dicétoma? ‘TEMAS PARA ESTUDIO POSTERIOR RESUMEN Y CONCLUSIONES 248 248 250 251 255 257 257 258 261 263 269 269 270 272 272 283 285 285 286 289 201 292 204 297 299 304 307 307 307 308 309 309 309 310PARTE I! 10 10.1 10.2 10.3 10.4 10.5 10.6 10.7 10.8 10.9 10.10 10.11 " WA 12 13 4 CONTENIOO EJERCICIOS APENDICE 84 Regresién semiogaritmica con regresora dicétoma VIOLAGION DE LOS SUPUESTOS DEL MODELO CLASICO Multicolinealida correlacionadas? equé pasa si las regresoras estén NATURALEZA DE LA MULTICOLINEALIDAD ESTIMACION EN PRESENCIA DE MULTICOLINEALIDAD PERFECTA ESTIMACION EN PRESENCIA DE MULTICOLINEALIDAD “ALTA” PERO “IMPERFECTA” MULTICOLINEALIDAD: {MUCHO TRABAJO PARA NADA? CONSECUENCIAS TEORICAS DE LA MULTICOLINEALIDAD CONSECUENCIAS PRACTICAS DE LA MULTICOLINEALIDAD Estimadores MCO con varianzas y covarianzas grandes Intervalos de contianza mas amplios Razones tno signticativas" Un FF alto pero pocas razones t significativas Sensibilidad de los ostimadores MCO y sus exroros estandar ‘ pequofios cambios en la informacion Consecuencias de la micronumerosidad EJEMPLO ILUSTRATIVO: GASTOS DE CONSUMO EN RELACION CON EL INGRESO Y LA RIQUEZA DETECCION DE LA MULTICOLINEALIDAD MEDIDAS CORRECTIVAS No hacer nada Procedimiontas practicos GES LA MULTICOLINEALIDAD NECESARIAMENTE MALA? POSIBLEMENTE NO, SI EL OBJETIVO ES SOLAMENTE. LAPREDICCION UN EJEMPLO AMPLIADO: LOS DATOS LONGLEY RESUMEN Y CONCLUSIONES EJERCICIOS Heteroscedasticidad: .qué pasa cuando la varianza del error no es constante? NATURALEZA DE LA HETEROSCEDASTICIDAD ESTIMACION MCO EN PRESENCIA DE HETEROSCEDASTICIDAD EL METODO DE MINIMOS CUADRADOS GENERALIZADOS (MCG) Diferencia entre MCO y MCG CONSECUENCIAS DE UTILIZAR MCO EN PRESENCIA DE HETEROSCEDASTICIDAD Estimacion MCO considerando la heteroscedastcidad Estimacion MCO ignorando la heteroscedastcidad Una nota técnica au 320 321 307 328 331 333 334 336 339 340 342 344 349 349 355 356 360 361 372 372 378 379 381 383 383 383 385CONTENIOO 16 "7 118 ne Az MAS Aa 12 124 12.2 123 12.4 125 126 127 128 129 12.10 12. 12.12 DETECCION DE LA HETEROSCEDASTICIDAD Métodos informales Métodos formales MEDIDAS CORRECTIVAS Cuando a es conocida: método de minimos cuadrados ponderados ‘Cuando a no se conoce EJEMPLO PARA CONCLUIR ADVERTENCIA RESPECTO A LA RESPUESTA EXAGERADA ANTE LA HETEROSCEDASTICIDAD RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 114 11A.1_ PRUEBA DE LAECUACION (11.2.2) METODO DE MINIMOS CUADRADOS PONDERADOS, PRUEBA DE QUE E(6”) ¢ 0? EN LA PRESENCIA DE HETEROSCEDASTICIDAD ERRORES ESTANDAR ROBUSTOS DE WHITE, Autocorrelacién: zqué sucede si los términos error estan correlacionados? NATURALEZA DEL PROBLEMA ESTIMACION MCO EN PRESENCIA DE AUTOCORRELACION ESTIMADOR MELI EN PRESENCIA DE AUTOCORRELACION CONSECUENCIAS DE UTILIZAR MCO EN PRESENCIA DE AUTOCORRELACION Estimacién MCO con autocorrelacién Estimacin MCO sin la autocorrelacién RELACION ENTRE SALARIOS Y PRODUCTIVIDAD. EN EL SECTOR DE NEGOCIOS DE ESTADOS UNIDOS, 195¢ 1998 DETECCION DE LA AUTOCORRELACION Método grafico |. Prusba de “as rachas" II. Prueba d de Durbin-Watson IV. Una prueba general de autocorreiacion: la prueba Breusch-Godtrey (BF) {Por qué tantas pruebas para la autocorrelacion? ~QUE HACER CUANDO HAY AUTOCORRELACION?: MEDIDAS CORRECTIVAS MALA ESPECIFICACION DE MODELO VERSUS AUTOCORRELACION PURA CORRECCION DE LA AUTOCORRELACION (PURA): EL METODO DE LOS MINIMOS CUADRADOS. GENERALIZADOS (MCG) Cuando se conoce p Cuando p no es conocida EL METODO NEWEY-WEST PARA CORREGIR ERRORES: ESTANDAR MCO MCO VERSUS MCGF Y CHA PRONOSTICO CON TERMINOS DE ERROR AUTOCORRELACIONADOS 385 400 401 402 407 aut 412 413, 421 421 4ai 423, 423 425 426 433 436 437 438 438 443, 445 445 448, 450 455, 457 457 458 459 459 460 466 467 46712.13 12.14 128.1 12A.2 13 13.4 132 133 13.4 13.5 13.6 137 13.8 13.9 13,10 13.11 13.12 cONTENIO ASPECTOS ADICIONALES DE LAAUTOCORRELACION Variables dicétomas y autocorrelacion Modelos ARCH y GARCH ‘Coexistencia de la autocorrelacién y la heteroscedasticidad RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 124 PRUEBA DE QUE EL TERMINO DE ERROR WEN (12.1.11) ESTA AUTOCORRELACIONADO PRUEBAS DE LAS ECUACIONES (12.2.3), (12.2.4) Y (12.2.5) Diseio de modelos econométricos: especificacién del modelo y prueba de diagnéstico CRITERIO DE SELECCION DEL MODELO TIPOS DE ERRORES DE ESPECIFICACION CONSECUENCIAS DE LOS ERRORES DE ESPECIFICACION COmisién de una variable relevante (especitcacién insuficiente de un modelo) Inciusién de una variable rrelovante (sobreespeeiticacién de un modelo} PRUEBAS DE ERRORES DE ESPECIFICACION Deteccién dela presencia de variables innecesarias Pruebas para variables omitidas y para una forma funcional incorecta ERRORES DE MEDICION Errores de medicién en la variable dependiente ¥ Errores de medicién en la variable explicativa X ESPECIFICACION INCORRECTA DEL TERMINO DE ERROR ESTOCASTICO MODELOS ANIDADOS EN COMPARACION CON LOS NO ANIDADOS PRUEBA DE HIPOTESIS NO ANIDADAS E| método de diseriminacién El método de discernimiento CRITERIOS PARA LA SELECCION DE MODELOS: El riterio A ajustada, Griterio de informacion Akaike (CIA) Criterio de informacion Schwarz (CIS) Crterio C, de Mallow Una advertencia respecto a las criterias para la seleccién de modelos Pronéstico j-cuadrada (y) TEMAS ADICIONALES EN LA ELABORACION DE MODELOS ECONOMETRICOS Factores lejanos, apalancamiento @ influencia ‘Minimos euadrados recursivos Prueba dela fala de pradiocién de Chow UN EJEMPLO CONCLUYENTE UNA ADVERTENCIA AL PRACTICANTE 469 469 470 470 47 472 495 485 437 488 489 491 491 494 495 496 498 505 505 506 508 508 510 51 Bit 516 516 817, 517 517 518 518 519CONTENIDO 13.13, 1304 13A2 13.3 130.4 PARTE Ill 4 144 142 143 14.4 145 14.6 1404 142 1403 15 184 152 16.3 1584 185 15.6 18.7 RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 184, LA PRUEBA DE QUE E(b,.) = B+ Babs» [ECUACION (13.3.3)] CONSECUENCIAS DE LA INCLUSION DE UNA VARIABLE IRRELEVANTE: PROPIEDAD DE INSESGAMIENTO LA PRUEBA DE LA ECUACION (13.5.10) LA PRUEBA DE LA ECUACION (13.6.2) TEMAS DE ECONOMETRIA Modelos de regresién no lineales MODELOS DE REGRESION INTRINSECAMENTE LINEALES E INTRINSECAMENTE NO LINEALES ESTIMACION DE MODELOS DE REGRESION LINEALES Y NO LINEALES ESTIMACION DE MODELOS DE REGRESION NO LINEALES: EL.METODO DE ENSAYO Y ERROR, METODOS PARA ESTIMAR MODELOS DE REGRESION NO LINEALES Busqueda directa 0 método de ensayo y ertor 0 de bre derwvacion Optimizactén directa Método de linealzacién iterativa EJEMPLOS ILUSTRATIVOS RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 14A DERIVACION DE LAS ECUACIONES (14.2.4) Y (14.2.5) METODO DE LINEALIZACION ‘APROXIMACION LINEAL DE LA FUNCION EXPONENCIAL DADA EN (14.2.2) Modelos de regresién de respuesta cualitativa NATURALEZA DE LOS MODELOS DE RESPUESTA CUALITATIVA MODELO LINEAL DE PROBABILIDAD (MLP) ‘No normalidad de las perturbaciones u, Varianzas heleroscedasticas de las perturbaciones No cumplimiento de 0s E(¥;| X)<1 FF valor cuestionable como medida de bondad del ajuste APLICACIONES DE MLP ALTERNATIVAS AL MLP EL MODELO LOGIT ESTIMACION DEL MODELO LOGITZ Informacién del nivel individual Datos agrupados o replicados MODELO LOGIT AGRUPADO: EJEMPLO NUMERICO Interpretacién del modelo logit estimado 827 528 535 536 537 538 541 543, 943 546 548 548 548, 549 549 952 553 554 560 562 564 564 565 566 569 872 574 576 576 87 579 87915.8 15.9 18.10 16.11 15.12 15.13, 15.14 15A.1 16 16.1 16.2 16.3 16.4 165 166 16.7 7 174 CONTENIDO EL MODELO LOGIT PARA DATOS INDIVIDUALES, ONO AGRUPADOS MODELO PROBIT Estimacién probit con datos agrupados: gprobit | modelo probit para datos no agrupados o individuales El efecto marginal de una unidad de cambio en el valor de una regresora sobre los diversos modelos de regresion MODELOS LOGIT Y PROBIT MODELO ToBIT llustiacién del modelo Tobit: mot extramaritales ELABORACION DE MODELOS PARA DATOS DE CUENTA: EL MODELO DE REGRESION DE POISSON ‘TEMAS ADICIONALES DE LOS MODELOS DE REGRESION CON RESPUESTA CUALITATIVA Modelos ordinales logit y probit Modelos multinamiales logit y probit Modelos de duracién RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 154, ESTIMACION DE MAXIMA VEROSIMILITUD DE LOS MODELOS, PROBIT Y LOGIT PARA DATOS INDIVIDUALES (NO AGRUPADOS) jo de Ray Fair para las relaciones Modelos de regresién con datos en pane! “POR QUE DATOS EN PANEL? DATOS EN PANEL: UN EJEMPLO ILUSTRATIVO ESTIMACION DE LOS MODELOS DE REGRESION CON DATOS EN PANEL: EL METODO DE EFECTOS FLIOS 1, Todos los cootciontos son constantes respecte a los indviduos yeltiempo 2. Costcientes de pendientes constantes, pero la intersecciéa varia para cada indivisuo: el modelo do rograsion do efectos fos 0 de minimos cuadrados con variable dicétoma (MMCVO) 3. Los coeficentes de pendientes son constantes pero la interseccién varia conforme los individu y ol tempo 4, Todos los cootcientes varian respecto a os individuos ESTIMACION DE LOS MODELOS DE REGRESION CON DATOS EN PANEL: EL METODO DE EFECTOS ALEATORIOS, EL MODELO DE EFECTOS FIJOS (MCVD) VERSUS EL MODELO DE EFECTOS ALEATORIOS REGRESIONES CON DATOS EN PANEL: ALGUNOS COMENTARIOS CONCLUYENTES RESUMEN Y CONCLUSIONES EJERCICIOS Modelos econométricos dindmicos: modelos autorregresivos y de rezagos distribuidos EL PAPEL DEL “TIEMPO”. O DEL “REZAGO". EN ECONOMIA, 583 586 588 591 592 593 594 596 597 601 601 602 602 602 603 610 610 613, 614 615 617 618 619 621 621 624 27 628 629 630 32 633CONTENIDO 172 173 174 175 176 177 178 179 17.10 171 17.42 17.43, 17.44 17.45 17AA PARTE IV 18 18.4 182 133 184 185 19 19.1 RAZONES PARALOS REZAGOS ESTIMACION DE MODELOS DE REZAGOS DISTRIBUIDOS Estimacién ad hoc de los modelos de rezagos distribuidos METODO DE KOYCK PARA LOS MODELOS DE REZAGOS DISTRIBUIDOS Mediana de los rezagos Rezago medio RACIONALIZACION DEL MODELO DE KOYCK: EL MODELO DE EXPECTATIVAS ADAPTATIVAS OTRA RACIONALIZACION DEL MODELO DE KOYCK: EL MODELO DE AJUSTE DE EXISTENCIAS © DEAJUSTE PARCIAL COMBINACION DE LOS MODELOS DE EXPECTATIVAS. ADAPTATIVAS Y DE AJUSTE PARCIAL ESTIMACION DE MODELOS AUTORREGRESIVOS METODO DE VARIABLES INSTRUMENTALES (IV) DETECCION DE AUTOCORRELACION EN MODELOS AUTORREGRESIVOS: PRUEBA h DE DURBIN EJEMPLO NUMERICO: LA DEMANDA DE DINERO. EN CANADA DE -1979 A IV-1988 EJEMPLOS ILUSTRATIVOS EL METODO DE ALMON PARA LOS MODELOS DE REZAGOS DISTRIBUIDOS: REZAGO DISTRIBUIDO POLINOMIAL © DE ALMON (RDP) CAUSALIDAD EN ECONOMIA: PRUEBA DE CAUSALIDAD. DE GRANGER Prueba de Granger Una nota sobre la causalidad y la exogeneidad RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 17A LA PRUEBA SARGAN PARA LA VALIDEZ DE LOS INSTRUMENTOS MODELOS DE ECUACIONES SIMULTANEAS. Modelos de ecuaciones simultneas NATURALEZA DE LOS MODELOS DE ECUACIONES SIMULTANEAS. EJEMPLOS DE MODELOS DE ECUACIONES SIMULTANEAS: ‘SESGO EN LAS ECUACIONES SIMULTANEAS: INCONSISTENCIA DE LOS ESTIMADORES MCO_ ‘SESGO DE LAS ECUACIONES SIMULTANEAS: EJEMPLO NUMERICO RESUMEN Y CONCLUSIONES EJERCICIOS EI problema de a identificacién NOTACION Y DEFINICIONES 630 641 644, 644, 646 648 651 651 653 655 656 660 662 ert 671 676 677, 678 687 687 689 691 691 92 698 701 703 704 709 70919.2 19.3 19.4 19.5 196 20 20.1 20.2 20.3 20.4 20.5 20.6 20.7 208.1 208.2 PARTE V 21 214 21.2 21.3 21.4 215 216 CONTENIDO PROBLEMA DE IDENTIFICACION Subidentiieacién Identificacion precisa 0 exacta Sobreidentficacion REGLAS PARA LA IDENTIFICACION Condiclén de orden de la identiicacion Condicion de rango de la identiticabilidad PRUEBA DE SIMULTANEIDAD Prueba de especificacion de Hausman PRUEBAS DE EXOGENEIDAD RESUMEN Y CONCLUSIONES EJERCICIOS Métodos de ecuaciones simulténeas METODOS PARA LA ESTIMACION MODELOS RECURSIVOS Y MINIMOS CUADRADOS ORDINARIOS ESTIMACION DE UNA ECUACION EXACTAMENTE IDENTIFICADA: EL METODO DE MiNIMOS CUADRADOS INDIRECTOS (MCI) Ejemplo iustrativo Propiedades de los estimadores MCI ESTIMACION DE UNA ECUACION SOBREIDENTIFICADA, METODO DE MINIMOS CUADRADOS EN DOS ETAPAS (MC2E) MC2E: EJEMPLO NUMERICO EJEMPLOS ILUSTRATIVOS RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 208, SESGO EN LOS ESTIMADORES DE MINIMOS CUADRADOS INDIRECTOS ESTIMACION DE LOS ERRORES ESTANDAR DE LOS, ESTIMADORES MC2E ECONOMETRIA DE SERIES DE TIEMPO Econometria de series de tiempo: algunos conceptos basicos UNA QJEADA A ALGUNAS SERIES DE TIEMPO ECONOMICAS DE ESTADOS UNIDOS CONCEPTOS CLAVE PROCESOS ESTOCASTICOS Proceso estocastico estacionario Procesos astacasticas no estacionarios PROCESO ESTOCASTICO DE RAIZ UNITARIA PROCESOS ESTOCASTICOS DE TENDENCIA ESTACIONARIA (TE) Y DE DIFERENCIA ESTACIONARIA (DE) PROCESOS ESTOCASTICOS INTEGRADOS Propiedados do las sorios intogradas m3 713 716 79 721 Tet 723 727 727 729 730 731 735 738 737 739 740 743 743 747 750 787 787 762 762 763 765 767 768 ™ al 772 773 775 777 779 778CONTENIOO aur 218 219 21.10 nat 21.12 21.13 22 224 222 22.3 22.4 225 226 22.7 228 22.9 EL FENOMENO DE REGRESION ESPURIA PRUEBAS DE ESTACIONARIEDAD 1, Prueba grfica 2, Funeion de autocorrelacién (FAG) y correlagrama Imporancia estadistica de los coeticientes de autocorrelacion PRUEBA DE RAIZ UNITARIA La prueba Dickey-Fuller aumentada (DFA) Prueba de la significancia de mas de un cosficiente: la prueba F Las pruebas de raiz unitaria Philips-Perron (PP) Una critica de las pruebas de raiz unitaria ‘TRANSFORMACION DE LAS SERIES DE TIEMPO NO ESTACIONARIAS Procesos estacionarios en diferencias Proceso estacionario con tendencia COINTEGRACION: REGRESION DE UNA SERIE DE TIEMPO CON RAIZ UNITARIA SOBRE OTRA SERIE DE TIEMPO CON AAIZ UNITARIA Prueba para la cointegracién Correccion de errores (ECM) cointegracion y mecanismo ALGUNAS APLICACIONES ECONOMICAS RESUMEN Y CONCLUSIONES EJERCICIOS APENDICE 214 21.A1 UN MODELO DE CAMINATA ALEATORIA Econometria de series de tiempo: pronésticos. ENFOQUES PARA LA PREDICCION ECONOMICA Metodos de alisamiento exponencial Modelos de regresién uniecuacionales Modelos de regresién de ecuaciones simulténeas Modelos ARIMA Modelos VAR ELABORACION DE MODELOS AR, MA Y ARIMA PARA SERIES DE TIEMPO Proceso autorregresivo (AR) Proceso de media movil (MA) Proceso autorregresivo y de media mévil (ARMA) Proceso autorregresive integrado de media mévil (ARIMA) METODOLOGIA DE BOX-JENKINS (BJ) IDENTIFICACION ESTIMACION DEL MODELO ARIMA VERIFICACION DE DIAGNOSTICO PRONOSTICO ASPECTOS ADICIONALES DE LA METODOLOGIA BJ VECTORES AUTORREGRESIVOS (VAR) Estimador de VAR redecir el modelo VAR, VAR y causalidad 780 781 782 782 785 788 791 792 792 792 794 794 794 795 796 798 799 803 804 807 807 809 810 810 810 810 ent eit 12 812 813, 813 813, aia 815, 819 820 821 822 822 823 825 82622.10 22.11 22.12 Aa AS AG AT CONTENIDO ‘Algunas problemas en la elavoracion de modelos VAR. Une aplicaci6n VAR: modelo VAR de ia economia de Texas MEDICION DE LA VOLATILIDAD DE LAS SERIES: DE TIEMPO FINANCIERAS: LOS MODELOS ARCH Y GARCH {LQué hacer cuando esta presante ARCH? Una palabra acerca de la. de Durbin-Watson y el efecto ARCH Una nota sobre el modelo GARCH EJEMPLOS CONCLUYENTES RESUMEN Y CONCLUSIONES: EJERCICIOS Revisi6n de algunos conceptos estadisticos OPERADORES DE SUMATORIA Y DE PRODUCTO. ESPACIO MUESTRAL, PUNTOS MUESTRALES Y EVENTOS PROBABILIDAD Y VARIABLES ALEATORIAS Probabiidad Variables aleatorias FUNCION DE DENSIDAD DE PROBABILIDAD (FOP) Funcién de densidad de probabilidad de una variable aleatoria discreta Funcién de densidad de probabilidad de una variable aleatoria continua Funciones de densidad de probabilidad conjunta: Funcién de densidad de probabilidad marginal Independencia estadistca CARACTERISTICAS DE LAS DISTRIBUCIONES DE PROBABILIDAD Valor esperado Propiedades del valor esperado Varianza Propiedades de la varianza Covarianza Propiedades de la covarianza Coeticiente de correlacién Esperanza condicional y varianza condicional Propiedades de la esperanza y a varianza condicionales Momentes superiores de las distibuciones de probabiidad ALGUNAS DISTRIBUCIONES DE PROBABILIDAD TEORICAS IMPORTANTES Distibucién normal Distibucion 7? (iecuadrada) Distibucion te Student Distibucion F La dstribucién binomial de Bernoulli Distibucion binomial Distibucion de Poisson INFERENCIA ESTADISTICA: ESTIMACION Estimacién puntual Estimacién de intervalos ‘Métodos de estimacion Propiedadas de muestra pequena Propiedades de muestra grande 826 828 829 835 835 835 836 838 839 841 eat a2 842 42 843 844 844 845 846 846 848, 850 850 851 851 53 853 54 55 856 857 857CONTENIO AB Apéndice B Ba B2 B3 Ba BS BS Apéndice C ct c2 cs INFERENCIA ESTADISTICA: PRUEBA DE HIPOTESIS Método del interval de contianza Método de la pruoba de signiticancia REFERENCIAS Nociones basicas de algebra matricial DEFINICIONES Matiz Vector columna Vector rengién Transposicién Submatriz TIPOS DE MATRICES Matriz cuadrada Matiz diagonal Matriz escalar Matrizidentidad 0 unitaria Matriz simétrica Matriz nula Vector nulo Matrices iguales OPERACIONES MATRICIALES Adicion de matrices Resta de matrices ‘Muttipicacion por escalar Muttipicacion de matrices Propiedades de la multipicacion de matrices Transposicin de matrices Inversion de matrices DETERMINANTES Evaluacién de un determinante Propiedades de los determinantes ango de una matriz, Menor Cofactor FORMA DE ENCONTRAR LA INVERSA DE UNA MATRIZ CUADRADA DIFERENCIACION MATRICIAL, REFERENCIAS Enfoque matricial en el modelo de regresién lineal MODELO DE REGRESION LINEAL DE k VARIABLES SUPUESTOS DEL MODELO CLASICO DE REGRESION LINEAL EN NOTACION MATRICIAL ESTIMACION MCO_ Una itustracion, Matriz de varianza-covarianza de B Propiedades dol vector MCO e76 877 81 883 884 884 284 885 885 885 886 886 886 86 886 867 887 887 887 387 887 9887 838 888 888 889 890 891 891 892 893 894 394 895 895 897 897 808 898 900 903 905 906 908ca cs ce c7 ce ca c.10 cat C12 cA cae cas cA4 Apéndice D Apéndice E CONTENIDO COEFICIENTE DE DETERMINACION A* EN NOTACION MATRICIAL, MATRIZ DE CORRELACION PRUEBA DE HIPOTESIS SOBRE COEFICIENTES INDIVIDUALES DE REGRESION EN NOTACION MATRICIAL PRUEBA DE SIGNIFICANCIA GLOBAL DE LA REGRESION: ANALISIS DE VARIANZA EN NOTACION MATRICIAL PRUEBA DE RESTRICCIONES LINEALES: PRUEBA F GENERAL UTILIZANDO NOTACION MATRICIAL PREDICCION MEDIANTE REGRESION MULTIPLE: FORMULACION MATRICIAL Prediccién media Varianza de la prediccion media Prediccion individual Varianza de la prediccién individual RESUMEN DEL ENFOQUE MATRICIAL: UN EJEMPLO ILUSTRATIVO MINIMOS CUADRADOS GENERALIZADOS (MCG) RESUMEN Y CONCLUSIONES: EJERCICIOS APENDICE CA DERIVACION DE k ECUACIONES NORMALES O SIMULTANEAS DERIVACION MATRICIAL DE LAS ECUACIONES NORMALES MATRIZ DE VARIANZA-COVARIANZA DE B. PROPIEDAD MELI DE LOS ESTIMADORES MCO Tablas estadisticas Datos econémicos en la World Wide Web BIBLIOGRAFIA SELECTA inDICES 908 909 910 910 12 12 913, 913, 14 14 914 s19 920 921 927 927 928 928 929 931 04g, 951 955PREFACIO ANTECEDENTES Y PROPOSITO Como en las tres anteriores ediciones, el objetivo principal de la cuarta edicin de Econometria es proporcionar una introduccién elemental pero completa a la econometria, sin tener que recurrir al dlgebra matricial, al célculo o a la esta- distica, mas all de un nivel elemental. En esta edicién he intentado incorporar algunos de los desarrollos en la teo- fa y la practica de la econometria que han tenido lugar desde la publicacién de la tercera edicién en 1995. Con la disponibilidad del complejo software estadistico de uso facil, como Eviews, Limdep, Microfit, Minitab, PcGive, SAS, Shazam y Stata. En la actualidad, es posible analizar diversas técnicas econométricas que no se pudieron incluir en las ediciones anteriores del libro. He aprovechado al maximo estos paquetes estadisticos para ilustrar varios ejemplos y ejercicios de esta edicién. Me sorprendié gratamente descubrir que mi libro lo utilizan no sélo estu- diantes de economia y negocios, sino también estudiantes e investigadores de otras disciplinas, como estudios politicos, relaciones internacionales, agricultura yciencias de la salud. Los estudiantes de esas carreras encontraran que les resulta muy Gtil el andlisis ampliado de distintos tema LA CUARTA EDICION Los principales cambios en esta edicién son los siguientes: 1. En el capitulo introductorio, después de analizar los pasos involucrados en la metodologia econométrica tradicional, estudio el muy importante tema de como uno elige entre los modelos econométrices rivales. 2. Enel capitulo 1, examino de manera sucinta la escala de medicién de las variables econémicas. Es importante conocer si las variables son una escala de razén, una escala de intervalo o una escala nominal, ya que eso determinara la técnica econométrica que resulta apropiada para una situacion determinada. 3. Los apéndices del capitulo 3 incluyen ahora las propiedades de los esti- madores MCO para muestras grandes, en particular la propiedad de consistencia.PREFACIO 4, El apéndice al capitulo 5 conjunta ahora en un solo lugar las propieda des ¢ interrelaciones entre las cuatro distribuciones de probabilidad importan- tes que se utilizan con mucha frecuencia en este libro; a saber: las distribuciones normal, t, ji cuadrada y F. 5. El capitulo 6, que trata las formas funcionales de los modelos de regre- sion, ahora incluye un andlisis de la regresi6n sobre variables estandarizadas. 6. Para hacer mas accesible este libro a los no especialistas, he trasladado el estudio del enfoque matricial de la regresi6n lineal del capitulo 9 anterior al apéndice C, el cual se ampli6 un poco més para incluir cierto material avanzado a fin de beneficiar a los estudiantes que tienen una mayor inclinacion hacia las matemiticas. Ahora, el nuevo capitulo 9 estudia los modelos de regresin con variable dicétoma. 7. El capitulo 10, sobre la multicolinealidad, abarca un analisis ampliado de los famosos datos Longley, los cuales arrojan una considerable luz sobre la naturaleza y el alcance de la multicolinealidad. 8. El capitulo 11, sobre la heteroscedasticidad, incluye en el apéndice de esta edicién un examen intuitivo de los errores estandar robustos de White. 9. El capitulo 12, sobre la autocorrelaci6n, ahora contiene un estudio del método Newey-West para corregir los errores estandar MCO, a fin de tomar en. cuenta la probable autocorrelacién en el término de error. Los errores estan- dar corregidos se conocen como errores estandar HAC. Este capitulo también estudia brevemente el tema del pronéstico con términos de error autocorre- lacionados. 10. El capitulo 13, sobre elaboracién de modelos econométricos, sustituye alos capitulos 13 y 14 anteriores. Tiene varios temas nuevos que el investigador practico encontraré particularmente titiles. Incluyen un anilisis sucinto de los criterios de selecci6n de modelos, como el criterio de informacion Akaike, el cri- terio de informacion Schwarz, el criterio C, de Mallows, y el prondstico ji-cuadra- da. Asimismo, este capitulo analiza temas como los factores exiernos, el apalanca-miento, la influencia, los minimos cuadrados recursivos y la prueba de prediccién de error de Chow. Concluye con algunas advertencias para el practi- cante respecto a la teoria y la practica econométrica 11, El capitulo 14, sobre modelos de regresién no lineales, es nuevo. En vista de la facil disponibilidad de software estadistico, ya no resulta dificil esti- mar modelos de regresién que sean no lineales en sus parimetros. Algunos modelos econométricos son intrinsecamente no lineales en sus parémetros, por lo que necesitan estimarse mediante métodos iterativos. Este capitulo estudia e ilustra algunos métodos comparativamente simples para calcular modelos de regresion no lineales en los pardmetros. 12. Elcapitulo 15, donde se estudian los modelos de regresién con respuesta cualitativa, que sustituye al capitulo 16 anterior que analizaba los modelos de regresi6n con variable dependiente dicotoma, proporciona un muy amplio ané- lisis de los modelos de regresién que involucran una variable dependiente que es de naturaleza cualitativa. Los temas principales son los modelos logit y probit, asi como sus variaciones. También se analiza el modelo de regresién de Poisson, que se utiliza para hacer el modelo de datos contables, como por ejemplo el ni- mero de patentes que se le dieron a una empresa en un afo; el mimero de lla- madas telefénicas recibidas durante un intervalo de, por ejemplo, 5 minutos, etc, Este capitulo proporciona un breve analisis sobre los modelos multinomiales logit y probit, asi como sobre los modelos de duracién.PREFACIO 13. El capitulo 16, sobre modelos de regresin con datos en panel, es nue- vo. Los datos en panel combinan caracteristicas de las series de tiempo y de los, datos de transversales. En vista de la creciente disponibilidad de los datos en panel en el area de las ciencias sociales, los modelos de regresién con datos en panel, los investigadores los estan utilizando cada ver. mas en muchos cam- pos. Este capitulo proporciona un anillisis no técnico de los modelos con efectos fijos y con efectos aleatorios que se usan con frecuencia para la estimacién de modelos de regresi6n que se basan en datos en panel. 14, El capitulo 17, sobre modelos econométricos dinamicos, ahora tiene un estudio mas bien amplio de la prueba de causalidad Granger, misma que se usa (y se abusa) en forma rutinaria en la investigacion aplicada, La prueba de cau- salidad de Granger responde al ntimero de términos atrasados en el modelo. También supone que la serie de tiempo subyacente es estacionaria 15. Salvo por algunos problemas nuevos y pequefias ampliaciones de las técnicas de estimacién existentes, los capitulos 18, 19 y 20, sobre modelos con ecuaciones simultaneas, basicamente no cambiaron, Esto refleja el hecho de que el interés en tales modelos ha menguado a lo largo de los atios, debido a una diversidad de razones, incluyendo su insatifactorio desempeno para pronosticar, después de la crisis de petroleo de mediados de la década de 1970. 16. El capitulo 21 experiment6 una revision sustancial del anterior capitulo correspondiente. Algunos conceptos sobre la econometria de series de tiempo se desarrollaron y se ilustraron en este capitulo. La idea principal de este capitulo es la naturaleza e importancia de las series de tiempo estacionarias. La calidad de estacionario de una serie de tiempo resulta crucial para la aplicacién de di- versas técnicas econométricas analizadas en la obra. 17. Asimismo, el capitulo 22 también tuvo una revision sustancial, respecto al anterior. Se analiza el tema del pronéstico econémico con base en las me- todologias Box-Jenkins (ARIMA) y la autorregresion vectorial (VAR). También se estudia el tema de medir la volatilidad en las series de tiempo financieras me- diante las técnicas de la heteroscedasticidad condicional autorregresiva (ARCH) y la heteroscedasticidad condicional autorregresiva generalizada (GARCH) 18. El apéndice A, que trata de conceptos estadisticos, se ha ampliado lige- ramente. E] apéndice C analiza el modelo de regresién lineal utilizando el dlge- bra matricial. Esto es para alentar a los estudiantes mas aventajados. Como en las ediciones anteriores, todas las técnicas econométricas analizadas en el libro se ilustran mediante ejemplos, algunos de los cuales se basan en da- tos coneretos tomados de diversas disciplinas. Las preguntas y problemas que estén al final del capitulo tienen varios ejemplos y conjuntos de datos nuevos. Para el lector aventajado, hay varios apéndices téenicos dentro de los distintos capitulos que proporcionan prucbas de varios teoremas y/o f6rmulas desarro- Hadas en el texto. ORGANIZACION Y OPCIONES Los cambios en esta edicién han ampliado de manera considerable el aleance del texto. Espero que esto proporcione al maestro una sustancial flexibilidad para elegir los temas que sean apropiados para el puiblico al que se dirige. Aqui se dan algunas sugerencias respecto a cémo podria utilizarse la obra,PREFACO ‘SUPLEMENTOS CD de datos Curso de un semestre para los no especialistas: el apéndice A, los capi tulos del 1 al 9, y un repaso general de los capitulos 10, 11 y 12 (omitiendo todas las demostraciones). Curso de un semestre para los estudiantes de economia: apéndice A, capftulos del 1 al 13. Curso de dos semestres para estudiantes de economia: apéndices A, By C, capitulos del 1 al 22. Los capitulos 14 y 16 pueden estudiarse de manera opcional. Algunos de los apéndices téenicos pueden omitirse. Estudiantes de licenciatura y de posgrado e investigadores: este libro es un manual de referencia para los temas principales de la econometria. Todos los libros vienen acompatiados con un CD que contiene los datos del tex- toen formato ASCII 0 de texto, y pueden ser leidos por la mayorfa de los software. Manual de soluciones para el estudiante Eviews Sitio web El Manual de soluciones para el estudiante es gratuito para el profesor y esté a Ja venta para los estudiantes (ISBN: 0072427922) y contiene las soluciones deta- ladas de las 475 preguntas y problemas del libro. Con esta cuarta edici6n nos complace entregar la version para el estudiante del paquete Eviews 3.1 en un CD, junto con todos los datos de la obra. Se puede ad- quirir este software, junto con la obra, solicitandolo a la editorial (ISBN: 0072565705). La versin estudiantil de Eviews también puede adquirirse por separado en OMS. Visite el sitio http:/www.eviews.com para mayor informacién. Un sitio web muy completo proporciona material adicional como apoyo al estu- dio de la econometria. Vaya al sitio www.mhhe.com/econometrics/gujarati4. RECONOCIMIENTOS Desde la publicacién de la primera edicién de este libro, en 1978, he recibido valiosas sugerencias, comentarios, criticas y consejos de una diversidad de per sonas. En particular, quisiera agradecer la ayuda que recibi de: Michael McAleer, de la Universidad de Western Australia; Peter Kennedy, de la Universidad Simon Frazer en Canada; asi como de Kenneth White de la Universidad de British Columbia; George K. Zestos de la Universidad Christopher Newport; Virginia, y de Paul Offner, de la Universidad Georgetown de Washington, D.C. También estoy agradecido con varias personas que me han influido por su vocacién escolar: Quiero agradecer especialmente a Arthur Goldberger de laPREFACIO Universidad de Wisconsin, William Greene de la Universidad de Nueva York y al fallecido G, S, Maddala, Para esta cuarta edicién estoy especialmente en deuda con los revisores que proporcionaron su invaluable conocimiento, criticas y su- gerencias: Michael A. Grove, de la Universidad de Oregon; Harumi Ito, de la Universidad Brown; Phanindra V. Wunniva, del Middlebury College, y George K. Zestos de la Universidad Christopher Newport. Diversos autores influyeron en mi obra, en particular, estoy agradecido con los siguientes: Chandan Mukherjee, director del Centro para los Estudios del Desarrollo, de Trivandrum, India; Howard White y Mare Wuyts, del Instituto de Estudios Sociales de Holanda; Badi H. Baltagi, de la Universidad Texas A&M; B. Bhaskara Rao, de la Universidad de Nueva Gales del Sur, Australia; R. Carter Hill, de la Universidad de Louisiana; William E. Griffiths de la Universidad de Nueva Inglaterra; George G. Judge, de la Universidad de California en Berkeley; Marno Verbeek, del Centro de Estudios Econémicos, de KU Leuven; Jeffrey Wooldridge, de la Universidad Estatal de Michigan; Kerry Patterson, de la Uni- versidad de Reading, Inglaterra; Francis X. Diebold, dé la Escuela Wharton, perteneciente a la Universidad de Pensilvania; Wojciech W. Charemza y Derek F. Deadman; de la Universidad de Leicester, Inglaterra, y con Gary Koop de la Universidad de Glasgow. Estoy muy agradecido con varios de mis colegas de West Point por su apoyo yaliento a lo largo de los afios. En particular, estoy agradecido con: el brigadier general Daniel Kaufman, el coronel Howard Russ, el teniente coronel Mike Meese, el teniente coronel Casey Wardynski, el mayor David Trybulla, el mayor Kevin Foster, Dean Dudley y Dennis Smallwood. Me gustaria dar las gracias a los estudiantes y maestros de todo el mundo que no sélo han utilizado mi obra, sino que se han comunicado conmigo en cuanto a diversos aspectos de este libro, Porsu ayuda tras bambalinas en McGraw-Hill, estoy agradecido con Lucille Sutton, Aric Bright y Catherine R. Schultz. George F. Watson, el corrector de estilo, hizo un maravilloso trabajo al co- rregir un manuscrito mas bien largo y exigente. Por tal raz6n, estoy muy en deuda con él. Por ultimo, pero no por eso menos importante, me gustaria darle las gracias a mi esposa, Pushpa, asf como a mis hijas Joan y Diane por su constante apoyo y entusiasmo en la preparaci6n de ésta y las anteriores ediciones. Damodar N. GujaratiINTRODUCCION ua 2QUE ES LA ECONOMETRIA? Literalmente, econometria significa “medicién econdmica”. Sin embargo, si bien es cierto que la medicién es una parte importante de la econometria, el aleance de esta disciplina es mucho mas amplio, como puede deducirse de las siguien- tes citas La econometrfa, resultado de cierta perspectiva sobre el papel que juega la econo- fa, consiste en la aplicaci6n de la estadistica matematica a la informacién econd- mica para dar soporte empirico a los modelos construidos por la economia ‘matematica y obténer resultados numéricos. la econometria puede ser definida como el analisis cuantitativo de fenémenos econdmicos reales, basados en el desarrollo simultaneo de la teoria y la observa- cidn, relacionados mediante métodos apropiados de inferencia.? La econometria puede ser definida como la ciencia social en la cual las herramien- tas de la teoria econémica, las matematicas ¥ la inferencia estadistica son aplicadas al anallisis de los fenémenos econémicos. La econometria tiene que ver con la determinacion empirica de las leyes econ6- micas.* El arte del econometrista consiste en encontrar el conjunto de supuestos que sean suficientemente especificos v realistas, de tal forma que le permitan aprovechar de la mejor manera los datos que tiene a su disposicién.” Gerhard Tintner, Methodology of Mathematical Economics and Econometrics, The University of Chicago Press, Chicago, 1968, p. 74 *'B A. Samuelson, T. C. Koopmans ¥ J. R. N. Stone, "Report of the Evaluative Committee for Econometrica’, Econométrica, vol. 22. num. 2, abril de 1954, pp. 141-146. » Arthur S, Goldberger, Economerric Theor, John Wiley & Sons, Nueva York, 1964, p. 1 “H, Theil, Principles of Economerncs, John Wiley & Sons, Nueva York, 1971, p. 1 SE, Malinvaud, Statistical Mevfiods of Econometrics, Rand MeNally, Chicago, 1966, p. 5142 INTRODUCCION Los econometristas... son una ayuda en el esfuerzo por disipar la mala imagen pai blica de la economia (cuantitativa o de otro tipo) considerada como una materia en la cual se abren cajas vacias, suponiendo la existencia de abrelatas, para revelar un contenido que sera interpretado por cada diez economistas de 11 maneras dife- rentes.* El método de la investigacién econométrica busca esencialmente una conjuncién entre la teoria econémica y la medici6n real, utilizando como puente la teoria y la téenica de la inferencia estadistica.? 1.2. @POR QUE UNA DISCIPLINA APARTE? Como lo sugieren las definiciones anteriores, la econometria es una amalgama de teorfa econémica, economia matematica, estadistica econémica y estadisti- ca matematica. Aun asf, la materia merece ser estudiada en forma separada por las siguientes razones. La teorfa econémica hace afirmaciones o formula hipétesis de naturaleza principalmente cualitativa. Por ejemplo, la teorfa microeconémica establece que, permaneciendo constantes otros factores, se espera que una reduccién en el precio de un bien aumente la cantidad demandada de ese bien. Asi, la teoria econémica postula una relacién negativa o inversa entre el precio y la cantidad demandada de un bien. Pero la teoria de por si no proporciona medida numéri- ca alguna de la relacién entre los dos; no dice en qué magnitud aumentara se reduciré la cantidad como resultado de un cambio determinado en el precio del bien. El trabajo del econometrista es proporcionar tales estimativos numéricos. Planteado de otra forma, la econometria da contenido empirico a gran parte de la teoria econémica. El interés principal de la economia matematica es expresar la teoria econd- mica en una forma matemiatica (ecuaciones) sin preocuparse por la capacidad de medicién o de verificacion empirica de la teorfa. La econometria esta intere- sada principalmente en la verificacién empirica de la teoria econémica. Como veremos, el econometrista utiliza frecuentemente las ecuaciones matematicas, propuestas por el economista matematico, pero las expresa en tal forma que éstas se prestan para la prueba empirica. Y esta conversién de ecuaciones mate- maticas en ecuaciones econométricas requiere una gran dosis de ingenio y des- “treza. La estadistica econémica se relaciona principalmente con la recoleccién, procesamiento y presentacin de las cifras econémicas en forma de graficos y tablas. Este es el trabajo del estadistico econémico, cuya actividad principal consiste en recolectar cifras sobre el PIB, el empleo, el desempleo, los precios, etc. La informacion asi recogida constituye la materia prima para el trabajo econométrico. Pero el estadistico econémico no va mas alld de la recoleccién de informaci6n, pues no le concierne la utilizacidn de las cifras recopiladas para probar la validez de las teorias econémicas o para refutarlas. Ciertamente, es el econometrista quien se ocupa de realizar esta labor. “ Adrian C, Damell yJ. Lynne Evans, The Limits of Econometrics, Edward Elgar Publishing, Hants, Inglaterra, 1990, p. 54 Haavelmo, “The Probability Approach in Econometries”, Suplemento de Econometrica, vol. 44, prefacio p. i. “IwrmopucciOn 3. Aunque la estadistica matematica proporciona muchas de las herramientas utilizadas por esta ciencia, el econometrista frecuentemente necesita métodos especiales en vista de la naturaleza tinica de la mayorfa de las cifras econémi- cas, ya que éstas no se generan como resultado de un experimento controlado. Eleconometrista, como el meteordlogo, depende generalmente de cifras que no pueden ser controladas directamente: En econometria, el que construye el modelo a menudo se enfrenta a datos observa- dos, los cuales se contraponen a los experimentales. Esto tiene dos implicaciones importantes para la creaci6n empirica de modelos en econometria. Primero, se re- quiere que el hacedor de modelos domine muy distintas habilidades en compara- ci6n con las que se necesitan para analizar los datos experimentales... Segundo, la separacién de los datos del recopilador y los del analista exige que el que elabora modelos se familiarice por completo con la naturaleza y la estructura de los datos en cuestion® 1.3 METODOLOGIA DE LA ECONOMETI ¢Cémo proceden los econometristas en el andlisis de un problema econémico? Es decir, ccual es su metodologia? Aunque existen diversas escuelas de pensa- miento sobre metodologia econométrica, se presenta aqui la metodologia tra- dicional o clasica, que predomina en la investigacién empirica en economia y en las ciencias sociales y del comportamiento.’ En términos generales, la metodologia econométrica tradicional se realiza dentro de los siguientes lineamientos: Planteamiento de la teoria o de la hipétesis Especificacién del modelo matematico de la teoria Especificacién del modelo econométrico o estat Obtencién de datos Estimaci6n de los parémetros del modelo econométrico Prueba de hipotesis Pronéstico prediccion Utilizacién del modelo para fines de control o de politica ico de la teoria SIO P EN Para ilustrar los pasos anteriores, se considera la conocida teoria keynesiana de consumo, 1. Planteamiento de la teoria o hipotesis Keynes plantea: La ley psicol6gica fundamental... consiste en que los hombres [y las mujeres] como regla general y en promedio, estan dispuestos a incrementar su consumo a medida que su ingreso aumenta, pero no en la misma cuantia del aumento en su ingreso."” “Aris Spanos, Probability Theory and Statistical Inference: Econometric Modeling with Observational Dara, Cambridge University Press, Reino Unido, 1999, p. 21 *Véase un anslisis ilustrativo, si bien avanzado, de los métodos economeétricos, en David F. Hendry Dynamic Economerries, Oxford University Press, Nueva York, 1995, Véase también Aris Spanos, op.cit "John Maynard Keynes, The General Theory of Employment, Interest and Money, Harcourt Br Jovanovich, Nueva York, 1936, p. 96