Busca en el Blog

jueves, 16 de junio de 2022

Modelos de regresión uniecuacionales - EJERCICIO 2

 a) Use la tabla 1.3 para trazar la gráfica de la tasa de inflación de Canadá, Francia, Alemania, Italia, Japón y Gran Bretaña, en comparación con la de Estados Unidos.

b) Comente en términos generales el comportamiento de la tasa de inflación de los seis países, en comparación con la de Estados Unidos.

c) Si descubre que las tasas de infl ación de esos seis países tienen la misma dirección que la de Estados Unidos, ¿esto indicaría que la infl ación en Estados Unidos “provoca” la inflación en los demás países? ¿Por qué?

Modelos de regresión uniecuacionales


miércoles, 25 de mayo de 2022

Modelos de regresión uniecuacionales - EJERCICIO 1

 1.1. La tabla 1.3 proporciona datos sobre el índice de precios al consumidor de siete países industrializados, cuya base es 1982-1984 = 100.

a) A partir de estos datos, calcule la tasa de inflación en cada país.17

b) Grafique la tasa de inflación de cada nación en función del tiempo (es decir, asigne el eje horizontal al tiempo, y el vertical, a la tasa de inflación).

c) ¿Qué conclusiones generales surgen respecto de la inflación en los siete países?

d ) ¿Qué país tiene, al parecer, la tasa de inflación más variable? ¿Puede explicarlo? 

Modelos de regresión uniecuacionales

jueves, 19 de mayo de 2022

Resumen y conclusiones - Modelos de regresión uniecuacionales

 1. La idea fundamental del análisis de regresión es la dependencia estadística de una variable, la dependiente, respecto de otra o más variables, las explicativas.

2. El objetivo de tal análisis es estimar o predecir la media o el valor promedio de la variable dependiente con base en los valores conocidos o fi jos de las explicativas.

3. En la práctica, un buen análisis de regresión depende de la disponibilidad de datos apropiados.

En este capítulo analizamos la naturaleza, fuentes y limitaciones de los datos disponibles para la investigación, en especial en las ciencias sociales.

4. En toda investigación se debe señalar con claridad las fuentes de los datos para el análisis, sus definiciones, sus métodos de recolección y cualquier laguna u omisión en ellos, así como toda revisión que se les haya aplicado. Tenga en cuenta que los datos macroeconómicos que publica el gobierno con frecuencia son objeto de revisión.

5. Como el lector tal vez no tenga tiempo, energía o recursos para llegar a la fuente original de los datos, tiene el derecho de suponer que el investigador los recopiló de manera apropiada, y que los cálculos y análisis son correctos.


lunes, 16 de mayo de 2022

Una observación sobre las escalas de medición de las variables

 Las variables que a menudo encontrará se clasifi can en cuatro categorías generales: escala de razón, escala de intervalo, escala ordinal y escala nominal. Es importante comprender cada una.

Escala de razón

Para la variable X, al tomar dos valores (X1 y X2), la razón X1/X2 y la distancia (X2 − X1) son cantidades con un signifi cado. Asimismo, hay un ordenamiento natural (ascendente o descendente) de los valores a lo largo de la escala. En virtud de lo anterior, son sensatas las comparaciones como X2 ≤ X1 o X2 ≥ X1. En su mayoría, las variables económicas pertenecen a esta categoría. Por consiguiente, no es descabellado preguntar a cuánto asciende el PIB de este año en comparación con el del año anterior. El ingreso personal, en dólares, es una variable de razón; alguien que gana 100 000 dólares recibe el doble que quien percibe 50 000 (antes de impuestos, desde luego).

Escala de intervalo

Una variable en escala de intervalo satisface las dos últimas propiedades de la variable en escala de razón, pero no la primera. Por tanto, la distancia entre dos periodos, (digamos 2000-1995), tiene signifi cado, no así la razón de dos periodos (2000/1995). A las 11 de la mañana (hora de la costa del Pacífi co de Estados Unidos) del 11 de agosto de 2007 se registró en Portland, Oregon, una temperatura de 60° Fahrenheit (15.5° Celsius), y en Tallahassee, Florida, de 90° F (32° C). La temperatura con esta escala no se mide en escala de razón pues no tiene sentido decir que en Tallahassee hizo 50% más calor que en Portland. Esto se debe sobre todo a que la escala Fahrenheit no usa 0° como base natural.

Escala ordinal

Una variable pertenece a esta categoría sólo si satisface la tercera propiedad de la escala de razón (es decir, el orden natural), como los sistemas de califi caciones por letras (A, B, C) o los niveles de ingresos alto, medio y bajo). Para estas variables hay un orden, pero las distancias entre las categorías no son cuantifi cables. Los estudiantes de economía recordarán las curvas de indiferencia entre dos bienes, en donde una curva superior de indiferencia señala un mayor nivel de utilidad, pero no se puede cuantifi car en qué medida una curva de indiferencia es mayor que otra.

Escala nominal

Las variables de esta categoría no tienen ninguna característica de las variables en escala de razón. Las variables como el género (masculino y femenino) y el estado civil (casado, soltero, divorciado, separado) simplemente denotan categorías. Pregunta: ¿por qué no expresar dichas variables con las escalas de razón, intervalo u orden?

Como veremos, las técnicas econométricas adecuadas para las variables en escala de razón no resultarían pertinentes para las variables en escala nominal. En consecuencia, es importante tener en mente las diferencias entre los cuatro tipos de escalas de medición recién analizadas.

lunes, 28 de marzo de 2022

Precisión de los datos

Si bien se dispone de numerosos datos para la investigación económica, su calidad no siempre es adecuada, y por múltiples razones.

1. Como ya vimos, en su mayoría, los datos de las ciencias sociales son de naturaleza no experimental. Por consiguiente, es posible incurrir en errores de observación, sea por acción u omisión.

2. Aun en datos reunidos experimentalmente surgen errores de medición debido a las aproximaciones o al redondeo.

3. En encuestas por cuestionarios, el problema de la falta de respuesta puede ser grave; un investigador tiene suerte si obtiene una tasa de respuesta de 40%. El análisis basado en dicha tasa de respuesta parcial quizá no refl eje de verdad el comportamiento del 60% que no respondió, y ocasione, por consiguiente, un sesgo de selectividad (muestral). Además, existe el problema de quienes responden el cuestionario pero no todas las preguntas, sobre todo las que son delicadas por tratar cuestiones fi nancieras, lo que genera un sesgo adicional de selectividad.

4. Los métodos de muestreo para obtención de datos llegan a variar tanto que a menudo es difícil comparar los resultados de las diversas muestras.

5. Las cifras económicas suelen estar disponibles en niveles muy agregados. Por ejemplo, la mayor parte de los macrodatos (como el PIB, empleo, infl ación, desempleo) están disponibles para la economía en su conjunto, o, en el mejor de los casos, para algunas regiones geográfi cas muy amplias. Los datos con estos niveles tan elevados de agregación tal vez no ilustren mucho sobre los sujetos o las microunidades objeto de estudio.

6. Debido a su carácter confi dencial, ciertos datos sólo pueden publicarse en forma muy agregada. En el caso de Estados Unidos, por ejemplo, la ley prohíbe al IRS (hacienda) revelar información sobre declaraciones de impuestos individuales; sólo puede revelar algunos datos generales. Por consiguiente, si se desea conocer el monto gastado en salud por los individuos con cierto nivel de ingresos, sólo es posible en un nivel muy agregado. Pero los macroanálisis de este tipo con frecuencia resultan insufi cientes para revelar la dinámica del comportamiento de las microunidades. De igual forma, el Departamento de Comercio estadounidense, que levanta el censo de empresas cada cinco años, no tiene autorización para revelar información sobre producción, empleo, consumo de energía, gastos de investigación y desarrollo, etc., de las empresas. Así, es difícil estudiar las diferencias entre las empresas en estos aspectos.

Por estos problemas, y muchos más, el investigador debe tener siempre en mente que el resultado de la investigación será tan bueno como lo sea la calidad de los datos. Por tanto, si en algunas situaciones los investigadores concluyen que los resultados de la investigación son “insatisfactorios”, la causa puede ser la mala calidad de los datos y no un modelo equivocado. Por desgracia, debido a la naturaleza no experimental de los datos de la mayoría de los estudios de ciencias sociales, los investigadores con frecuencia no tienen más remedio que depender de la información disponible. Sin embargo, siempre deben tener presente que los datos pueden no ser los mejores y tratar de no ser muy dogmáticos sobre los resultados de un estudio dado, sobre todo cuando la calidad de los datos no es confiable.

lunes, 21 de marzo de 2022

Fuentes de datos - Internet

Internet revolucionó la labor de recopilación de datos. Si uno “navega” por la red en los motores de búsqueda con sólo una palabra o frase (por ejemplo, tipos de cambio), se verá inundado con todo tipo de fuentes de datos. En el apéndice E se mencionan algunos sitios Web que suministran todo tipo de información fi nanciera y económica, y que se visitan con mayor frecuencia. La mayoría de los datos se descarga con un costo mínimo. Conviene incluir en la lista de Favoritos, los sitios Web que brinden datos económicos útiles.

Los datos recopilados por estas organizaciones pueden ser de naturaleza experimental o no experimental. En los datos experimentales, frecuentes en las ciencias naturales, el investigador suele recabar los datos con algunos factores constantes, con el fi n de evaluar el efecto de otros en un fenómeno dado. Por ejemplo, al estimar el efecto de la obesidad en la presión arterial, el investigador recopilaría los datos y mantendría constantes los hábitos de las personas respecto de comer, fumar y beber para reducir la infl uencia de estas variables en la presión arterial.

En las ciencias sociales, los datos por lo general son de naturaleza no experimental, es decir, no están sujetos al control del investigador.14 Por ejemplo, el investigador no ejerce ningún control directo sobre los datos del PIB, desempleo, precios de acciones, etc. Como veremos, esta falta de control a menudo genera problemas especiales para el investigador al identifi car la causa o causas precisas que afectan una situación particular. Por ejemplo, ¿es la oferta monetaria la que determina el PIB (nominal) o la relación es inversa?

viernes, 18 de marzo de 2022

Fuentes de datos

Los datos para el análisis empírico pueden provenir de una dependencia gubernamental (por ejemplo, el Departamento de Comercio), un organismo internacional (el Fondo Monetario Internacional [FMI] o el Banco Mundial), una organización privada (por ejemplo, Standard & Poor’s) o un particular. Hay miles de agencias de este tipo que recopilan datos para uno u otro fin.