Guia Estudio Grado Parte 2 EconometriaADE 14-15

ECONOMETRÍA

GRADO
2ª PARTE | PLAN DE TRABAJO Y ORIENTACIONES PARA SU DESARROLLO

2014-2015
|Mariano Matilla García, Pedro A Pérez Pascual, Basilio Sanz Carnero

GRADO EN ADE
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

ECONOMETRÍA
UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 2

| Mariano Matilla García et al.
1.- PLAN DE TRABAJO
En las siguientes líneas se ofrece un Plan de Trabajo que el alumno puede seguir para preparar la
asignatura. Como es obvio, el alumno en uso de su autonomía, puede organizar el estudio de esta
asignatura de muchas otras formas, de manera que el plan que aquí se presenta es optativo, es decir es solo
una posibilidad que puede seguirse o no.
Es importante tener en cuenta que una buena parte del éxito en la preparación de la asignatura
radica en una adecuada gestión del tiempo, más difícil en la enseñanza a distancia que en la enseñanza
presencial. También que esta asignatura requiere como requisito previo, tener unos conocimientos mínimos
de Teoría Económica, Cálculo Matricial y Estadística, así como la Introducción a la Econometría.
CRONOGRAMA
Incluimos a continuación un cuadro en el que se detalla cómo puede distribuirse el tiempo de estudio entre
los distintos temas que componen el programa.
P E R IO D O C O R R E S P O N D E N C IA L IB R O C O N T E N ID O S
D E T E X T O (C A P ÍT U L O S )
Semana 1 Guía parte 2: anexo Gretl Econometría, Modelos Econométricos y Datos Económicos.
Econometría y Predicción: Repaso de la estimación por MCO
Capítulo 1
Semanas Econometría y Predicción: Estimación MCO e Interpretación

Capítulos 2 y 4
2-3-4 Inferencia en el modelo MCO
Semana 5 Econometría y Predicción: Análisis de especificación y problemas con los datos

Capítulos 6 y 7 Variable explicativas dicotómicas
Semanas Econometría y Predicción: Análisis de especificación y problemas con los datos

Capítulos 8 y 9 Variables instrumentales
6-7
Semana 8 Econometría y Predicción: Análisis de regresión para datos de panel y fusionados

Capítulo 10
Semana 9 Econometría y Predicción: Variables dependientes binarias

Capítulo 11
Semanas Econometría y Predicción: Series Temporales: Modelización y predicción

Capítulo 13
10-11

ECONOMETRÍA
P E R IO D O C O R R E S P O N D E N C IA L IB R O C O N T E N ID O S
D E T E X T O (C A P ÍT U L O S )
Econometría y Predicción: Series Temporales: Modelización y predicción
Semanas 12 Capítulos 14 y 15
y 13
REPASO REPASO
Semana 14
2.- ORIENTACIONES PARA EL ESTUDIO DE LOS CONTENIDOS
2.1 Introducción
En este apartado incluimos algunos consejos sobre la forma de preparar la asignatura. Dado que la
procedencia de los estudiantes es muy diversa, en esta guía consideramos que el nivel mayoritario es el de
los alumnos que han cursado un bachiller de ciencias sociales o similares y dos cursos previos de Grado,
donde se suponen suficientemente adquiridos los conocimientos de Análisis Económico, Estadística y
Cálculo matricial, todos ellos necesarios para afrontar con éxito la asignatura.
2.2 Materiales
En el texto propuesto como bibliografía básica, Econometría y Predicción de Matilla, M, Pérez, P.A. y
Sanz, B., publicado por McGraw-Hill Interamericana, se encontrará el desarrollo teórico de todos los
bloques que componen el programa de la asignatura. El libro contiene asimismo una separata o recopilatorio
de técnicas, métodos y otras utilidades que el alumno se debe conocer pero no memorizar ni profundizar en
los mismos. Esta separata igualmente contiene tablas estadísticas habituales para el uso econométrico. El
alumno, en el estudio de la asignatura debe usar con frecuencia esta separata, esto es especialmente
relevante toda vez que en el examen el alumno podrá usar la misma, siempre que sea la separata original
(no se admiten fotocopias).
En el libro se proponen ejercicios de distinta naturaleza para afianzar los conocimientos adquiridos.
Saber resolver estos ejercicios, es prueba de que se ha alcanzado un nivel suficiente para superar la
asignatura.
Como bibliografía complementaria se sugieren,
Introducción a la Econometría: un enfoque moderno

Wooldridge, J. M.
Ed. Thomson Paraninfo. 2ª Edición
Análisis Econométrico
Greene, W. H.
Ed. Prentice Hall. Tercera Edición

Más teórico y con un mayor grado de dificultad, responde no tanto a un texto de introducción, como a
un manual de consulta para quienes ya tienen conocimientos previos de econometría.
2.3 Estrategias del aprendizaje
Como estrategia general para el estudio de toda la asignatura se sugiere ir siguiendo en cada bloque
temático el desarrollo que se incluye en el cronograma de la asignatura, teniendo en cuenta que la disciplina
es de naturaleza acumulativa y que será difícil progresar en el estudio de los sucesivos temas, sin haber
comprendido y asimilado los contenidos precedentes.
El programa puede dividirse en dos bloques temáticos,
BLOQUE TEMAS CONTENIDOS

I 1,2,3,4,5 Fundamentos del análisis de regresión
II 6,7,8 Regresión en otros escenarios
III 9 y 10 Regresión y series temporales
2.4Bloque temático 1
2.4.1. Conocimientos previos
Cálculo diferencial
Estadística descriptiva, probabilidad e inferencia estadística
Manejo de sumatorios
2.4.2. Contextualización
Estimación de modelos econométricos básicos

Interpretación económica
Inferencia en los modelos econométricos
Regresores binarios
Problemas con los modelos
Soluciones a los problemas de heterogeneidad
2.4.3. Resultados del aprendizaje
Una vez concluido el estudio del bloque el estudiante debe ser capaz de,
§ Estimar y proponer modelos lineales básicos

§ Conocer sus propiedades básicas

ECONOMETRÍA
§ Interpretar y evaluar estadísticamente los resultados
§ Detectar fuentes de error
2.5Bloque temático II
2.5.1. Conocimientos previos
Teoría económica
Estadística descriptiva, probabilidad e inferencia estadística
Manejo de sumatorios
2.5.2. Contextualización
Soluciones a los problemas de especificación
2.5.4. Resultados del aprendizaje
Una vez concluido el estudio de estos dos temas, el estudiante debe ser capaz de,
§ Saber utilizar y comprender el modelo de regresión en paneles

§ Resolver problemas de estimación con la técnica de las variables instrumentales
§ Cómo estimar y evaluar cuando la variable a explicar es binaria
2.6 Bloque temático III
2.6.1 Contextualización
Numerosos datos económicos proceden de series temporales.

¿Hasta qué punto podemos utilizar las técnicas de regresión para este tipo de datos?
¿Qué técnicas existen?
¿Cómo las puede usar?
2.6.2 Resultados del aprendizaje
Métodos ARIMA
Análisis de tendencias
Modelización de varianza

3.- ORIENTACIONES PARA LA REALIZACIÓN DEL PLAN DE

ACTIVIDADES
Las actividades recomendadas se deben desarrollar siguiendo las indicaciones del cronograma incluido en
el plan de trabajo del primer apartado de la guía.
Tras el estudio de cada uno de los temas se aconseja tratar de resolver los ejercicios que figuran al
final del mismo. El objetivo de estas actividades es comprobar si se han entendido los conceptos y métodos
de resolución de ejercicios estudiados en cada unidad. Si estos ejercicios pueden resolverse sin mayores
dificultades, significa que se está en condiciones de superar (con buena nota) la Prueba Presencial.
4.- EVALUACIÓN Y PREPARACIÓN DEL EXAMEN
Debe preparar el examen teniendo en cuenta que:
En la prueba presencial podrá utilizar el formulario a fin de que no pierda tiempo memorizando
expresiones necesarias en la práctica habitual econométrica. SOLO PODRÁ UTILIZAR, NO
OBSTANTE, EL MATERIAL ORIGINAL. NO SE ADMITEN FOTOCOPIAS TOTALES O PARCIALES DEL
FORMULARIO
La prueba presencial (examen) ordinaria constará de dos partes. La primera parte será un examen tipo test
de carácter eliminatorio. El test tendrá una nota máxima de 10 puntos, se calificará con la fórmula nota_test =
aciertos – errores. Para superar el test será necesario obtener 4 o más puntos.
La segunda parte consistirá en resolver problemas y/o cuestiones. Esta parte también se calificará de 0 a 10
puntos.
Los alumnos que opten por evaluación continua, ésta constará, además del examen presencial, de una
prueba tipo test (pec). Su realización será oportunamente anunciada en el curso virtual. Normalmente tendrá
lugar cuando el cuatrimestre esté prácticamente vencido con objeto de dar tiempo a que el alumno pueda
haber trabajado suficientemente el programa. La prueba consistirá en contestar a 10 preguntas tipo test en
las que se penalizarán los fallos. Los aciertos sumarán 1 punto mientras que los fallos restarán 1/3.
La nota final de la asignatura será:

En caso de EVALUACIÓN CONTINUA: 0.9· [0.6· nota_test + 0.4· nota_segunda_parte] + 0.1· [pec]
En caso de EVALUACIÓN TRADICIONAL: [0.6· nota_test + 0.4· nota_segunda_parte]
(si el alumno o la alumna no supera el test, de cara a la nota final, se considerará que tiene cero puntos en la
segunda parte)
Finalmente es recomendable que los alumnos se familiaricen con el manejo del programa
econométrico Gretl, que podrán descargarse desde http://gretl.sourceforge.net. Es recomendable que el
alumno pueda introducir datos, leerlos en otros formatos (soportados por el programa), así como llevar a
cabo las operaciones básicas estudiadas en el programa: representaciones gráficas, regresiones simples y
múltiples, contrastes de hipótesis, predicción por intervalos, etc. No obstante, el manejo de este programa no
es materia de examen.

ECONOMETRÍA
Con objeto de facilitar esta tarea, se incluye en este documento una Guía Rápida del programa.
5.- BREVE INTRODUCCIÓN AL PROGRAMA GRETL
Este documento no es un Manual de Instrucciones, ni siquiera una Guía Rápida sino solo una somera
(brevísima) introducción a las principales utilidades del Programa. No obstante consideramos que puede ser
útil para empezar a manejar Gretl. Tras su lectura, el alumno debería ser capaz de llevar a cabo sin dificultad
las operaciones más elementales: introducir o importar datos, hacer representaciones gráficas de las
variables, calcular regresiones simples o múltiples y llevar a cabo los contrastes de hipótesis más habituales.
Se describen brevemente las funciones más elementales del programa (los epígrafes 1, 2 y 3 son
traducción prácticamente literal del manual en inglés). Dentro de la pestaña Ayuda, el único documento en
español es la Guía de Instrucciones de Gretl a la que puede accederse directamente pulsando F1. La Guía
del usuario [Ayuda/Guía del Usuario], donde se describe detalladamente el funcionamiento del
programa,está en inglés.
1. La ventana principal de menús
Tras descargar e instalar el programa, éste se arranca haciendo doble clic en el icono de acceso directo. En
la parte superior de la pantalla se ve la barra principal de menús, cuyo aspecto es el siguiente,
Archivo Herramientas Datos Ver Añadir Muestra Variable Modelo Ayuda
En la pestaña Archivo hay diversas opciones. Las más importantes son,
-‐ Abrir datos: permite abrir datos tanto en formato Gretl como en muchos otros
-‐ Añadir datos: añade datos al archivo de trabajo
-‐ Guardar datos: salva los datos actuales
-‐ Guardar datos como: Salva datos con otro formato
-‐ Exportar datos: copia datos en formato CSV, GNU R o GNU Octave
-‐ Enviar a: permite enviar el conjunto actual de datos como fichero adjunto en un correo electrónico
-‐ Nuevo conjunto de datos: permite crear un fichero en blanco para ir introduciendo datos desde el
teclado.
-‐ Cerrar conjunto de datos: Cierra el archivo de datos (no suele ser necesario aunque a veces es
útil)
-‐ Directorio de trabajo
-‐ Archivos de Guión: Un guión es un fichero que contiene una secuencia de comandos de Gretl. Esta
opción contiene entradas que permiten abrir un guión previamente creado
-‐ Archivos de sesión: Contiene una instantánea de las sesiones previas de Gretl. Permite abrir
sesiones guardadas o guardar la sesión actual.
-‐ Bases de datos: permite acceder a grandes bases de datos …
-‐ Archivos de función: Controla “paquetes de funciones” que permiten acceder a funciones
previamente escritas por otros usuarios.

-‐ Salir: Para salir del programa
En Herramientas tenemos,
-‐ Tablas estadísticas: para buscar los valores críticos en las distribuciones más usadas en
econometría (Normal, t- Student, F de Snedecor, Chi cuadrada o Durbin-Watson)
-‐ Buscador de valores p: busca los valores p para las principales distribuciones de probabilidad
-‐ Gráfico de distribuciones: dibuja las distribuciones de probabilidad más conocidas. Desplazando el
ratón por la curva, se puede ver la abcisa y su probabilidad
-‐ Calculadora de estadísticos de contraste: calcula test estadísticos y valores p de algunas de las
hipótesis más habituales (diferencia de medias, etc)
-‐ Test no paramétricos
-‐ Semilla para números aleatorios: Establece la semilla para un generador de números aleatorios
(por defecto se establece con base en la hora a la que el programa se ha iniciado).
-‐ Historial de instrucciones: Abre una ventana con un registro de los comandos ejecutados hasta el
momento.
-‐ Consola de Gretl: Abre la consola que no es más que una ventana en la que escribir y ejecutar
comandos
-‐ Iniciar Gnu-R: Arranca R (si está instalado)
-‐ Ordenar variables: Reorganiza la lista de variables en la ventana principal (puede ser por orden
alfabético o por el número ID).
-‐ Conjunto de pruebas NIST: Comprueba la precisión numérica de Gretl comparándola con los
resultados de referencia para la regresión lineal puestos a disposición de los interesados por el
NationalInstitute of Standards and Technology (USA).
-‐ Preferencias: Establece las rutas de acceso de varios ficheros de Gretl
La pestaña Datos da acceso a,
-‐ Seleccionar todo: para seleccionar todas las variables del fichero de trabajo
-‐ Mostrar valores: Abre una ventana con los valores de la variable seleccionada
-‐ Editar valores: Abre una hoja con los valores de una variable y permite editarlos
-‐ Añadir observaciones: da acceso a una caja de diálogo donde se puede elegir el número de
valores a añadir al final del conjunto de datos. Para usar en la predicción.
-‐ Eliminar observaciones extra: Solo estará activado si automáticamente han sido añadidas
observaciones extra en la predicción; borra esas observaciones extra.
-‐ Leer información: muestra un resumen de la información del fichero en uso
-‐ Editar información: Permite hacer cambios en esa información
-‐ Ver descripción: abre una ventana con una descripción completa de los datos del fichero de trabajo
-‐ Añadir etiquetas de los puntos: Apunta al nombre de un fichero de texto que contiene “etiquetas”
(cadenas cortas que identifican las observaciones individuales) y añade esta información al conjunto
de datos.
-‐ Quitar etiquetas de los puntos: desactivada si no se ha hecho uso de la anterior

ECONOMETRÍA
-‐ Estructura del conjunto dedatos: Permite cambiar la estructura de los datos (temporales,
atemporales, datos de panel)
-‐ Compactar datos: Para datos de series de tiempo con frecuencia mayor que la anual, da la opción
de compactar a datos de menor frecuencia usando diversos criterios.
-‐ Expandir datos: Para datos de series de tiempo da la opción de expandir los datos a otros de mayor
frecuencia.
-‐ Trasponer datos: cambia filas por columnas en el conjunto de datos
Con la opción Ver se tiene acceso a,
-‐ Vista de Iconos: Abre una ventana que muestra el contenido de la sesión actual como un conjunto
de iconos
-‐ Gráficos: Da diversas opciones para graficar las variables
-‐ Gráficos múltiples: Permite construir hasta seis pequeños gráficos que pueden ser de dispersión o
series temporales. Se muestran juntos en una ventana
-‐ Estadísticos principales: Muestra un resumen completo de las características estadísticas de las
variables seleccionadas.
-‐ Matriz de correlación: Muestra los coeficientes de correlación de las variables seleccionadas.
-‐ Tabulación cruzada: Muestra la tabulación cruzada de las variables seleccionadas. Funciona solo si
al menos dos variables en el conjunto de datos son discretas.
-‐ Componentes principales: Análisis de componentes principales de las variables seleccionadas.
-‐ Distancias de Mahalanobis: Calcula las distancias de deMahalanobis de cada observación desde
el centroide del conjunto de variables seleccionadas.
-‐ Correlograma cruzado: Computa el correlograma de dos variables y muestra su gráfico.
El menú Añadir ofrece la posibilidad de llevar a cabo diversas transformaciones estándar (logaritmos,
retardos, cuadrados, etc.) de las variables. También da la opción de añadir variables aleatorias y, para series
temporales, de añadir variables dummy estacionales.
Desde la opción Muestra,
-‐ Establecer rango: Seleccionar un rango diferente del vigente en el fichero de trabajo
-‐ Recuperar el rango completo: Auto-explicativo
-‐ Definir, a partir de v. ficticia: Dada una variable dummy omite de la muestra todas las
observaciones para las que la dummy vale 0.
-‐ Restringir, a partir de criterio: Similar al anterior excepto que no es necesario disponer de una
dummy: se da una condición (p.e. sqft>1400) y la muestra se restringe a las observaciones que la
satisfagan.
-‐ Submuestra aleatoria: Extrae una muestra aleatorio del conjunto de datos
-‐ Quitar todas las obs con valores perdidos: Omite todas las observaciones para las que al menos
una variable no tiene valor.
-‐ Contar valores perdidos: Auto-explicativo

-‐ Establecer código de “valor perdidos”: Establece un valor numérico que se interpretará como
“perdido” o “no disponible”. Se emplea cuando se importan datos y Gretl no reconoce el código de
valor perdido usado.
Menú Variable. En este menúla mayoría de los ítems operan sobre una única variable cada vez. La variable
activa se selecciona en la ventana de datos. La mayoría de las opciones son auto-explicativas. Observar
que es posible renombrar variables y editar la etiqueta descriptiva. También es posible definir una nueva
variable mediante una fórmula (es decir, como función de algunas de las exsistentes). Para la sintaxis de las
formulas ver la Referencia de Comandos en la pestaña Ayuda. Un ejemplo:
Y = x1*x2
Creará una nueva variable, Y, obtenida como el producto de x1 por x2.
Menú Modelo. Para ver los detalles de los diversos estimadores que se ofrecen en ese menú, debe
consultarse la Referencia de Comandos y el capítulo 16 del Manual de instrucciones. En este curso de
Introducción, usaremos básicamente la primera opción Mínimos Cuadrados Ordinarios. Si se selecciona, se
accede a una ventana de especificación del modelo ya conocida (ver figs. 3 ó 5).
Finalmente a la derecha aparece la pestaña de Ayuda desde la que puede accederse al Manual de
Instrucciones, Referencia de Comandos, etc. (casi todos los documentos están en inglés. La excepción es
Guía de Instrucciones de Gretl.
2. Atajos
Algunas de las operaciones más corrientes, se agilizan accediendo directamente desde el teclado,
Entrar: Abre una ventana con los valores de la variable seleccionada

Borrar: Elimina las variables seleccionadas (pide confirmación)
e: Edita los atributos de una variable
F2: Igual que “e”
g: Define una nueva variable
h: Abre una ventana de ayuda para comandos de Gretl
F1: igual que “h”
r: Para acceder directamente a Refrescar ventana
t: Grafica la variable seleccionada
3. La barra de herramientas de Gretl

ECONOMETRÍA
En la parte inferior izquierda de la pantalla aparece la barra de herramientas,
Sus iconos (de izquierda a derecha) tienen las siguientes funciones,
1. Da acceso a una calculadora

2. Inicia un nuevo guión. Abre una ventana de edición en la que pueden escribirse series de comandos para ser
enviados al programa
3. Abre la consola de Gretl (ver epígrafe 4)
4. Abre la ventana de iconos de la sesión
5. Abre una ventana con los paquetes de funciones disponibles
6. Abre el manual de instrucciones en PDF
7. Abre la ayuda para sintaxis de comandos
8. Abre la caja de diálogo para definir un gráfico
9. Abre la ventana para definir y estimar un modelo de regresión
10. Abre una ventana listando los conjuntos de datos ofrecidos por Gretl
4. Ejemplos
Como hemos visto, hay diversas formas de introducir datos en el programa. Podemos introducir directamente
desde el teclado los datos mediante,
1. Abrir el programa
2. Seleccionar sucesivamente Archivo/ Nuevo Conjunto de Datos
3. Después de elegir el número de observaciones y la naturaleza de los datos (series temporales, datos de
sección cruzada, etc)
4. Definir el nombre de la primera variable y empezar a introducir valores
5. Una vez hemos acabado, para añadir otra variable seleccionamos, Añadir nueva Variable y repetimos el
proceso.
El programa lee datos en diversos formatos, entre ellos ASCII, Excel o Eviews. Para ello solo hay que
seleccionar,
Archivo/Abrir Datos/Importar
elegir el formato adecuado y seguir las instrucciones.
Por ejemplo, imaginemos que disponemos de los datos en Excel de la tabla 3.2 (pág. 79 del
Manual),

Para importarlos seguiríamos la siguiente ruta,

1. Archivo/Abrir Datos/Importar/Excel
2. En la pantalla que se abre, seleccionar la carpeta y el archivo apropiados,
3. Se abre otra ventana en la que el programa nos solicita la columna y la fila desde la que empezar la
importación
4. Empezamos en B5 para que guarde también el nombre de las variables, y tocamos Aceptar
5. Tras contestar NO a la pregunta de si deseamos dar a los datos una estructura temporal, se abre el
archivo con los datos perfectamente leídos.
Observar que ha incorporado los nombres de las variables. Automáticamente genera también una
constante.

ECONOMETRÍA
5. Efectuar una regresión
Una vez abierto el archivo de datos correspondiente, la forma más rápida de calcular una regresión es
pinchar con el ratón en el icono βˆ en la barra de herramientas,
Figura 2
Se abre entonces la ventana de especificación,

↑
En esta ventana podemos seleccionar las variables dependiente e independiente (o independientes en al

caso de que hubiera varias). Suponemos que el salario medio depende de los años de estudio, de
manera que seleccionamos esta última variable como independiente y el salario medio como
dependiente. Simplemente hay que elegir la variable y pinchar con el ratón en el botón Elegir
correspondiente a la variable dependiente (o independiente en su caso). Entre las independientes

figurará por defecto una constante, pero puede eliminarse si se tratase de una regresión sin ese
parámetro: simplemente se selecciona y se toca con el ratón el botónQuitar.
El resultado final de la selección debería ser,
Especificado el modelo seleccionamosAceptarpara obtener la estimación,
Seleccionando sucesivamenteEditar/Copiar/RTFse puede llevar el resultado de la estimación al

portapapeles y copiarlo en un documento Word (también se puede guardar en otros formatos). La
presentación sería la siguiente:
Modelo 1: estimaciones MCO utilizando las 13 observaciones 1-13

Variable dependiente: Mean_Hourly_Wag

ECONOMETRÍA
Variable Coeficiente Desv. típica Estadístico t valor p

const -0,0144527 0,874624 -0,0165 0,98711
Years_of_School 0,724097 0,0695813 10,4065 <0,00001 ***
Media de la var. dependiente = 8,67471

Desviación típica de la var. dependiente. = 2,95971
Suma de cuadrados de los residuos = 9,69281
Desviación típica de los residuos = 0,938704
R2 = 0,907791
R2 corregido = 0,899409
Grados de libertad = 11
Log-verosimilitud = -16,538
Criterio de información de Akaike = 37,0761
Criterio de información Bayesiano de Schwarz = 38,206
Criterio de Hannan-Quinn = 36,8438
El resultado es idéntico al que figura en la página 79 del manual de Gujarati.
Para estimar un modelo de regresión múltiple, el procedimiento es el mismo. Simplemente en la ventana

de la Figura 2 habría más variables y en la ventana de la Figura 3 se añadirían como explicativas todas las
que decidiésemos (tocando en Remove se pueden eliminar variables).
Por ejemplo, el siguiente archivo contiene información con la que se pretende estimar una función de
producción (Y) siendo las variables explicativas el trabajo (X2) y el capital (X3),
Siguiendo el mismo procedimiento podemos seleccionar las variables dependiente e independiente,

Y pinchando enAceptar obtendríamos el resultado,
La ventana de resultados contiene en la parte superior menús que permiten realizar numerosas
funciones.Todos estos menús son bastante intuitivos.
En el menúContrasteses posible llevar a cabo una gran cantidad de contrastes de hipótesis

(algunos no se ven en el programa). Por ejemplo, es posible contrastar la hipótesis de que los residuos
siguen una distribución normal, tal como se postula en la teoría:

ECONOMETRÍA
La parte de imagen con el identificador de relación rId27 no se encontró en el archivo.
Además del histograma, proporciona el valor del estadístico de Jarque-Bera (en la parte superior izquierda).
En este caso la hipótesis de normalidad no puede ser rechazada.
En el menúGráficospermite obtener la representación de los residuos de la regresión o la de las

variables observada y estimada,
Finalmente la opción Análisis permite llevar a cabo entre otras las siguientes funciones,
-‐ Mostrar valores de la variable observada, estimada y residuos (una tabla con esos valores)
-‐ Predicción: es posible llevar a cabo una predicción, pero debe disponerse de observaciones extramuestrales.
-‐ Intervalos de confianza del 95% para los coeficientes
-‐ Análisis de la varianza

Ilustramos la predicción. Si elegimos esta opción, nos saldrá un mensaje advirtiendo de que hemos estimado
el modelo sobre toda la muestra y por tanto no hay datos adicionales para llevar a cabo ninguna predicción.
Podemos sin embargo añadir esos datos adicionales en el menú Datos,
-‐ Seleccionando Datos/Añadir observaciones, indicamos cuantos periodos adicionales deseamos añadir.
Elegimos 1.
-‐ A continuación en el menú Datos/Editar valores, introducimos los valores de las exógenas para 1973: X2=300
y X3 = 40.000
-‐ Ahora ya podemos llevar a cabo la predicción. Se abre la ventana,
Si no deseamos cambiar nada, tocamos en Aceptar y obtendremos la predicción. El programa proporciona el

valor numérico del pronóstico junto con un intervalo de confianza del 95 % y una representación gráfica (en
una ventana aparte):
Para intervalos de confianza 95%, t(12, .025) = 2,179
Obser Y predicción desv. típica Intervalo de confianza 95%

1973 indefinido 32457,2 1847,17 (28432,6, 36481,8)

ECONOMETRÍA
5.- GLOSARIO
Análisis de regresión: Análisis que pretende estudiar la dependencia estadística de una variable en función
de otra (regresión simple) u otras (regresión múltiple).
Asintótico: se refiere al comportamiento en el límite (cuando N es muy grande) de un estadístico, una

distribución etc.
Autocorrelación: se dice que hay autocorrelación cuando existe correlación entre los errores del modelo en
diferentes momentos de tiempo
Banda de confianza (intervalo de confianza): regla para construir un intervalo aleatorio con la propiedad de
que un determinado porcentaje de todos los datos, dado por el nivel de confianza, proporciona un intervalo
que contiene el valor poblacional.
Bondad del ajuste: Mide lo “bien” o “mal” que se ajusta la línea (plano) de regresión estimada a los datos
observados.
Coeficiente beta (coeficiente estandarizado): miden el cambio en la desviación típica de la variable

dependiente cuando la variable independiente (o una de ellas) sufre un incremento de una desviación típica.

Coeficiente de determinación (R2): proporción de la variación muestral de la variable dependiente explicad

por la variable(s) independiente(s).
Coeficiente de determinación corregido: coeficiente de determinación que penaliza el uso de variables

explicativas adicionales mediante un ajuste del número de grados de libertad.
Datos de panel: Conjunto de datos construido a partir de datos transversales repetidos a lo largo del tiempo.
Datos de series de tiempo: Datos de una o más variables recogidos a lo largo del tiempo
Datos transversales: Datos correspondientes a un mismo periodo temporal pero referidos a distintos
agentes.
Datos experimentales: Si han sido obtenidos a partir de experimentos controlados.
Desestacionalización: Operación para eliminar el movimiento estacional.
Distribución Chi-cuadrada: Distribución obtenida como la suma de variables aleatorias normales tipificadas
independientes, elevadas al cuadrado.
Distribución F: Distribución que sigue el cociente de dos variables chi- cuadradas independientes
corregidas por sus grados de libertad.
Distribución t-Student: Distribución obtenida como cociente de una normal tipificada y la raíz cuadrada de
una chi-cuadrada corregida por sus grados de libertad.
Distribución muestral: Distribución de un estimador obtenida sobre todos los posibles resultados
muestrales.
Distribución asintótica: Distribución a la que tiende un estadístico cuando crece indefinidamente el tamaño
muestral.
Ecuación en primeras diferencias: ecuación en la que todas las variables están expresadas en primeras
diferencias.
Elasticidad: cambio porcentual en la variable dependiente consecuencia de un aumento ceterisparibus del

1% en una variable independiente.
Error de pronóstico: diferencia entre el pronóstico y el valor realmente observado.
Error tipo I: consiste en rechazar la hipótesis nula cuando es cierta.
Error tipo II: no rechazar la hipótesis nula cuando es falsa.

ECONOMETRÍA
Error estándar de la estimación (error estándar de la regresión): estimación de la desviación típica del
error poblacional obtenida como la raíz cuadrada de la suma cuadrática residual dividida por los grados de
libertad.
Error estándar robusto a la autocorrelación (heteroscedasticidad): error estándar de un estimador que es

asintóticamente válido tanto si hay autocorrelación (heteroscedasticidad) como si no.
Estacionalidad: movimiento característico en series temporales de frecuencia superior al año (típicamente

datos trimestrales o mensuales) en el que el valor medio difiere según el trimestre (mes) del año.
Estadísticamente significativo: un parámetro es estadísticamente significativo a un nivel de significatividad

previamente elegido, cuando es posible rechazar la hipótesis nula de que su valor es cero.
Estadístico de prueba: regla utilizada para contrastar una determinada hipótesis que, a partir de una
muestra dada, proporcionará un valor específico.
Estimador: forma de combinar los datos de una muestra (independiente de ésta) para obtener un valor
numérico de un parámetro poblacional.
Estimador MCO: Estimador obtenido a partir del criterio de minimizar la suma cuadrática de las
discrepancias.
Estimador MV: estimador obtenido de forma que se maximice el logaritmo de verosimilitud.
Estimador consistente: estimador que converge al verdadero valor poblacional a medida que crece el
tamaño muestral.
Estimador por el método de los momentos: Estimador obtenido igualando los momentos muestrales a los
poblacionales.
Estimador por intervalos: regla para obtener un intervalo para un parámetro poblacional.
Estimador por Mínimos Cuadrados Generalizados: Estimación obtenida no a partir del modelo original
sino de la oportuna transformación del mismo para tener en cuenta una determinada estructura en el
comportamiento de la varianza del error o/y en la correlación serial.
Estimador insesgado (sesgado): Estimador cuya esperanza matemática coincide (difiere) del valor
poblacional a estimar.
Función de regresión muestral: es la versión estimada de la función de regresión poblacional.

Función de regresión poblacional: Expresa la esperanza condicionada de la variable dependiente

respecto de la independiente(s).
Grados de libertad: Número de observaciones menos número de parámetros estimados.
Heteroscedasticidad: Fenómeno que se produce cuando la varianza del término de error no es constante.
Hipótesis alternativa: Aquella contra la se contrasta la hipótesis nula.
Hipótesis bilateral (dos colas): Cuando la hipótesis alternativa es compuesta.
Hipótesis nula: Hipótesis que suponemos cierta y contra la que buscamos evidencia en la muestra de datos
disponible.
Hipótesis unilateral (una cola): Cuando la hipótesis alternativa es simple.
Inferencia estadística: Contrastación de hipótesis sobre los parámetros poblacionales.
Insesgamiento: véase insesgado.
Intercepto: El término independiente en el modelo de regresión.
Intervalo de confianza: ver Banda de Confianza.
MELI: Acrónimo de Mejor Estimador Lineal e Insesgado.
Micronumerosidad: término que se refiere a la importancia del tamaño de la muestra sobre las propiedades
de los estimadores.
Mínimos cuadrados generalizados. Ver Estimación pormínimos cuadrados generalizados.
Mínimos cuadrados ponderados: Caso particular de mínimos cuadrados generalizados en el que cada
término del modelo se divide por la correspondiente varianza de las perturbaciones.
Mínimos cuadrados ordinarios: Ver Estimador MCO
Minería de datos (Data Mining): Consiste en emplear el mismo conjunto de datos para estimar distintos
modelos con objeto de encontrar el mejor.
Modelo de elasticidad constante: Aquél en el que la elasticidad de la variable endógena respecto de la

exógena(s), permanece constante.
Modelo de regresión lineal simple: Modelo que relaciona de forma lineal una variable

ECONOMETRÍA
dependiente (endógena) con una única variable independiente (exógena) y un término de error.
Modelo de regresión lineal múltiple: Modelo que relaciona de forma lineal una variable dependiente
(endógena) con más de una variable independiente y un término de error.
Modelo econométrico: Modelo formado por una (o varias) ecuaciones que relacionan una variable
dependiente con una o varias independientes y una perturbación aleatoria. Los parámetros del modelo
determinan el efecto de cada una de las variables explicativas sobre la explicada, ceterisparibus.
Nivel de confianza: porcentaje de muestras en las que queremos que nuestro intervalo de confianza
contenga al valor poblacional.
Nivel de significancia (nivel de significatividad): Probabilidad de cometer un error Tipo I.
Normalidad asintótica: cuando la distribución muestral de un estimador converge a la distribución normal.
Operador diferencia (operador de primeras diferencias): Operador generalmente representado por la letra
griega delta, que aplicado a una variable la transforma en su primera diferencia.
Parámetro: valor desconocido de una relación poblacional.
Parsimonia: Principio según el cual el modelo ha de ser lo más simple posible.
Perturbación (aleatoria): Variable ómnibus del modelo de regresión incluida para recoger tanto la influencia
de posibles variables omitidas como errores de medida entre otros.
Población: Conjunto de individuos que constituye el objeto de estudio de una investigación.
Potencia de una prueba (test): Es igual a la unidad menos la probabilidad de cometer un error tipo II.
Predicción (pronóstico): Estimación del valor de la variable endógena o explicada, obtenido al dar valores
concretos a las variables explicativas de un modelo de regresión estimado.
Propiedades asintóticas (propiedades en grandes muestras): Propiedades que cumple un estadístico

cuando la muestra crece indefinidamente.
Propiedades en muestras finitas: Propiedades que cumple un estadístico cuando la muestra es pequeña
R2(coeficiente de determinación): proporción de la variación total de la variable dependiente que puede ser
explicada por la variables(s) independiente(s).
R2-ajustado: coeficiente de determinación penalizado por el uso de variables explicativas adicionales.

Región de aceptación: conjunto de valores de un estadístico de contraste que conducen a no rechazar la

hipótesis nula.
Región de rechazo: conjunto de valores de un estadístico de contraste que conducen a rechazar la

hipótesis nula.
Región crítica: Región de rechazo.
Regresión muestral: Ver función de regresión muestral.
Regresión poblacional: Ver función de regresión poblacional.
Rezago: Retardo
Semielasticidad: Cambio que sufre la variable dependiente en términos porcentuales como respuesta a un
cambio unitario en la variable independiente.
Serie de tiempo: conjunto de observaciones de una variable a lo largo del tiempo.
Sesgo: Diferencia entre el valor esperado de un estimador y su valor poblacional.
Suma de cuadrados explicada (SEC): Variación total muestral de los valores ajustados en un modelo de
regresión.
Suma de cuadrados de los residuos (SCR): Suma de todos los residuos de un modelo de regresión cada
uno de ellos elevado al cuadrado
Suma total de cuadrados (SCT): variación total muestral de la variable dependiente en torno a su media
muestral.
Supuestos del MCRL: Conjunto de hipótesis a priori del modelo de regresión.
Teorema Central del Límite (TCL): Resultado según el cual la suma de variables aleatorias independientes
divididas por su desviación típica, tiene a una distribución normal tipificada a medida que aumenta el tamaño
de la muestra.
Tendencia temporal: Movimiento sistemático a largo plazo que es función del tiempo.
Término de error: Variable que se introduce en una ecuación de regresión para recoger, entre otros, el
efecto de factores no observados o errores de medida.
Término de interacción: Variable independiente de un modelo de regresión obtenida como el producto de

dos variables explicativas.

ECONOMETRÍA
Trampa de las variables dicótomas: Error que consiste en introducir en el modelo de regresión
demasiadas variables ficticias entre las explicativas.
Valor esperado: Esperanza matemática de una variable aleatoria.
Valor medio: Dado un conjunto de T números,es el cociente entre su suma y T
Valor p (p-value): Nivel de significatividad mínimo al que puede rechazarse la hipótesis nula.
Variable aleatoria: Variable cuyo resultado es incierto.
Variable cualitativa: La que recoge una cualidad no cuantitativa.
Variable dicótoma: Variable que toma solo dos valores, generalmente cero o uno.
Variable endógena: Variable que queremos explicar en un modelo de regresión. También se denomina
variable dependiente o explicada.
Variable exógena: Variable que se emplea para explicar el comportamiento de la variable endógena.
También se denomina variable independiente o explicativa.
Variable ficticia: Ver variable dicótoma.
Variable instrumental: Variable que sin aparecer en la ecuación de regresión, se utiliza para sustituir a una
variable explicativa.
Variable omitida: Variable(s) que influye en el comportamiento de la endógena pero que no están incluida
en el modelo de regresión.
Varianza: Principal medida de dispersión de una variable aleatoria obtenida como la suma cuadrática de las
desviaciones de cada valor de la variable con respecto a su media, dividida por los grados de libertad.

Guia Estudio Grado Parte 2 EconometriaADE 14-15

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Guia Estudio Grado Parte 2 EconometriaADE 14-15

Caricato da

Copyright:

Formati disponibili

ECONOMETRÍA

|Mariano Matilla García, Pedro A Pérez Pascual, Basilio Sanz Carnero

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 2

1.- PLAN DE TRABAJO

Semanas Econometría y Predicción: Estimación MCO e Interpretación

Semana 5 Econometría y Predicción: Análisis de especificación y problemas con los datos

Semanas Econometría y Predicción: Análisis de especificación y problemas con los datos

Semana 8 Econometría y Predicción: Análisis de regresión para datos de panel y fusionados

Semana 9 Econometría y Predicción: Variables dependientes binarias

Semanas Econometría y Predicción: Series Temporales: Modelización y predicción

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 3

2.- ORIENTACIONES PARA EL ESTUDIO DE LOS CONTENIDOS

Como bibliografía complementaria se sugieren,

Introducción a la Econometría: un enfoque moderno

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 4

2.3 Estrategias del aprendizaje

BLOQUE TEMAS CONTENIDOS

2.4.1. Conocimientos previos

Estimación de modelos econométricos básicos

2.4.3. Resultados del aprendizaje

§ Estimar y proponer modelos lineales básicos

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 5

2.5.1. Conocimientos previos

Soluciones a los problemas de especificación

2.5.4. Resultados del aprendizaje

§ Saber utilizar y comprender el modelo de regresión en paneles

2.6 Bloque temático III

Numerosos datos económicos proceden de series temporales.

2.6.2 Resultados del aprendizaje

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 6

3.- ORIENTACIONES PARA LA REALIZACIÓN DEL PLAN DE

4.- EVALUACIÓN Y PREPARACIÓN DEL EXAMEN

Debe preparar el examen teniendo en cuenta que:

La nota final de la asignatura será:

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 7

5.- BREVE INTRODUCCIÓN AL PROGRAMA GRETL

1. La ventana principal de menús

Archivo Herramientas Datos Ver Añadir Muestra Variable Modelo Ayuda

En la pestaña Archivo hay diversas opciones. Las más importantes son,

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 8

-­‐ Salir: Para salir del programa

La pestaña Datos da acceso a,

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 9

Con la opción Ver se tiene acceso a,

Desde la opción Muestra,

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 10

Creará una nueva variable, Y, obtenida como el producto de x1 por x2.

Entrar: Abre una ventana con los valores de la variable seleccionada

3. La barra de herramientas de Gretl

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 11

En la parte inferior izquierda de la pantalla aparece la barra de herramientas,

Sus iconos (de izquierda a derecha) tienen las siguientes funciones,

1. Da acceso a una calculadora

elegir el formato adecuado y seguir las instrucciones.

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 12

Para importarlos seguiríamos la siguiente ruta,

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 13

Se abre entonces la ventana de especificación,

En esta ventana podemos seleccionar las variables dependiente e independiente (o independientes en al

UNIVERSIDAD NACIONAL DE EDUCACIÓN A DISTANCIA 14

El resultado final de la selección debería ser,

Especificado el modelo seleccionamosAceptarpara obtener la estimación,

Seleccionando sucesivamenteEditar/Copiar/RTFse puede llevar el resultado de la estimación al

-‐ Salir: Para salir del programa