¿Qué es la econometría?

En términos literales econometría signifi ca “medición económica”. Sin embargo, si bien es cierto que la medición es una parte importante de la econometría, el alcance de esta disciplina es mucho más amplio, como se deduce de las siguientes citas:

• La econometría, resultado de cierta perspectiva sobre el papel que desempeña la economía, consiste en la aplicación de la estadística matemática a los datos económicos para dar soporte empírico a los modelos construidos por la economía matemática y obtener resultados numéricos.
• . . . la econometría puede definirse como el análisis cuantitativo de fenómenos económicos reales, basados en el desarrollo simultáneo de la teoría y la observación, relacionados mediante métodos apropiados de inferencia.
• La econometría se defi ne como la ciencia social en la cual las herramientas de la teoría económica, las matemáticas y la inferencia estadística se aplican al análisis de los fenómenos económicos. 
• La econometría tiene que ver con la determinación empírica de las leyes económicas. 
• El arte del econometrista consiste en encontrar un conjunto de supuestos lo bastante específi cos y realistas para que le permitan aprovechar de la mejor manera los datos con que cuenta.
• Los econometristas… son una ayuda decisiva en el esfuerzo por disipar la mala imagen pública de la economía (cuantitativa o de otro tipo) considerada como una materia en la cual se abren cajas vacías, suponiendo la existencia de abrelatas, para revelar un contenido que diez economistas interpretarán de 11 maneras diferentes.
• El método de la investigación econométrica busca en esencia una conjunción entre la teoría económica y la medición real, con la teoría y la técnica de la inferencia estadística como puente.

Dawn C. Porter

 Dawn Porter ha sido profesora adjunta del Departamento de Administración de Operaciones de la Marshall School of Business de la University of Southern California (USC) desde el otoño de 2006. En la actualidad imparte clases de introducción a la estadística tanto en licenciatura como en maestría en la Escuela de Administración. Antes de incorporarse al cuerpo docente de la USC, de 2001 a 2006, Dawn fue profesora adjunta de la McDonough School of Business en la Georgetown University, y antes de eso fue profesora visitante del Departamento de Psicología de la Graduate School of Arts and Sciences en la New York University (NYU). En NYU impartió diversos cursos sobre métodos estadísticos avanzados y también fue profesora de la Stern School of Business. Obtuvo su doctorado en Estadística en la Stern School.

Las áreas de interés para la investigación de Dawn son análisis categórico, medidas de acuerdo, creación de modelos multivariados y aplicaciones en el campo de la psicología. Su investigación actual examina los modelos de subasta en internet desde una perspectiva estadística. Ha presentado sus estudios de investigación en las conferencias de Joint Statistical Meetings, las reuniones del Decision Sciences Institute, la Conferencia Internacional sobre Sistemas de Información, varias universidades, como la London School of Economics y NYU, así como en diversas series de seminarios sobre comercio electrónico y estadística. Dawn es también coautora de Essentials of Business Statistics, 2a. edición, McGraw-Hill/Irwin, 2008. Fuera del ámbito académico, Dawn fue contratada como consultora en estadística de KPMG, Inc. También trabajó como consultora en estadística para muchas otras empresas importantes, entre otras, Ginnie Mae, Inc., Toys R Us Corporation, IBM, Cosmaire, Inc., y New York University (NYU) Medical Center.

Damodar N. Gujarati

Después de enseñar durante más de 25 años en la City University of New York y 17 años en el Departamento de Ciencias Sociales de la U.S. Military Academy en West Point, Nueva York, el doctor Gujarati es actualmente profesor emérito de economía de la Academia. El doctor Gujarati recibió el grado de M.Com de la Universidad de Bombay en 1960, el grado de M.B.A. de la Universidad de Chicago en 1963 y el grado de Ph.D. de la Universidad de Chicago en 1965. El doctor Gujarati ha publicado una gran cantidad de trabajos en reconocidas revistas nacionales e internacionales, como Review of Economics and Statistics, Economic Journal, Journal of Financial and Quantitative Analysis y Journal of Business. El doctor Gujarati fue miembro del Consejo Editorial de Journal of Quantitative Economics, publicación ofi cial de la Sociedad Econométrica de India. El doctor Gujarati es también autor de Pensions and the New York Fiscal Crisis (The American Enterprise Institute, 1978), Government and Business (McGraw-Hill,

1984) y Essentials of Econometrics (McGraw-Hill, 3a. ed., 2006). Los libros del doctor Gujarati sobre econometría se han traducido a diversos idiomas.

El doctor Gujarati fue profesor visitante de la Universidad de Sheffi eld, Inglaterra (1970- 1971), profesor visitante Fulbright en India (1981-1982), profesor visitante en la Facultad de Administración de la Universidad Nacional de Singapur (1985-1986) y profesor visitante de econometría de la Universidad de Nueva Gales del Sur, Australia (durante el verano de 1988). El doctor Gujarati ha dictado numerosas conferencias sobre temas micro y macroeconómicos en países como Australia, China, Bangladesh, Alemania, India, Israel, Mauricio y la República de Corea del Sur.

Modelo TOBIT Parte 2

¿Es posible estimar la regresión (16.14.1) utilizando solamente n1 observaciones y simplemente no preocuparse por las n2 observaciones restantes? La respuesta es no, ya que las estimaciones MCO de los parámetros obtenidos del subconjunto de n1 observaciones estaran sesgadas y serán inconsistentes.

Para ver esto, considérese la figura 16.7. Como lo muestra esta figura, si Y no es observado, todas esas observaciones (= n2) quedaran sobre el eje horizontal. Si Y es observado, las observaciones (= n1)  quedaran en el plano Y-X. Es intuitivamente claro que si se estima una regresion basada en las n1 observaciones solamente, los coeficientes resultantes del intercepto y de la pendiente estan limitados a ser diferentes de los que se obtendrian si todas las n1 + n2 observaciones fueran tenidas en cuenta.

¿Cómo se estiman entonces los modelos de regresién tobit (o censurados), tales como (16.14.1)?

No se trabajará en los cálculos matematicos pero, para estimar los parámetros de tales modelos puede utilizarse el método de maxima verosimilitud (véase el capitulo 4). La mayoria de los paquetes de computador mas comunes, tales como ET, SHAZAM y RATS, tienen ahora programas para estimar los modelos tobit. Se presentara ahora un ejemplo ilustrativo.

Modelo TOBIT

Una extensión del modelo probit es el modelo tobit, desarrollado por James Tobin, economista laureado con el Nobel. Para explicar este modelo, se contintia con el ejemplo de propiedad de vivienda. Pero supéngase que ahora se desea encontrar la cantidad de dinero que el consumidor gasta en omprar una casa en relacién con su ingreso (y otras variables econdmicas). Ahora se tiene roblema: Si un consumidor no compra una casa, obviamente no se tiene información sobre el gasto en vivienda de tales consumidores; se tiene tal informacion solamente sobre los consumidores que efectivamente compran casa.

Asi, los consumidores estén divididos en dos grupos, uno que consiste, consumidores sobre quienes se posee informacién sobre los regresores (por

de interés hipotecaria, etc) al igual que sobre la variable regresada (cantidad de gasto en vivienda) y otro que consiste, por ejemplo, en n2 consumidores sobre quienes solamente se tiene información sobre los regresores pero no sobre la variable regresada. Cuando en una muestra la información sobre la variable regresada esté disponible solamente para algunas observaciones, está se conoce como muestra censurada. Por  consiguiente, el modelo tobit también se conoce como un modelo de regresión censurada. Algunos autores llaman a tales modelos modelos de variable dependiente limitada  debido a la restriccién impuesta sobre los valores tomados por la variable regresada. 

En términos matemáticos, se puede expresar el modelo tobit como:

donde RHS =  lado derecho. Nota: Otras variables X pueden agregarse fácilmente al modelo.

Ejemplo: Modelo PROBIT Parte 2

En la tabla 16.9, un signo positivo (negativo) sobre el coeficiente de una variable explicativa indica que los valores más altos de la variable incrementan (reducen) la posibilidad de que un banco sea de propiedad de un tipo específico de entidad bancaria. Por ejemplo, para la regresión Y₁, el coeficiente positivo sobre la variable TA (activos totales/1,000,000), que es estadísticamente significativo, indica que, manteniendo otros factores iguales, a medida que el tamaño de un banco aumenta, la posibilidad de que el banco sea de propiedad de una entidad bancaria múltiple es también mayor. En forma similar el coeficiente positivo sobre el AEME sugiere, ceteris paribus, que es más probable que el banco sea de propiedad de una compañía  bancaria múltiple.

El lector puede hacer otras comparaciones muy fácilmente. Pero, obsérvese que en todas las regresiones a las que se hace referencia en la tabla 16.9, las razones de verosimilitud son altas y estadísticamente significativas, indicando que los bancos de empresas propietarias de acciones, como grupo, pueden diferenciarse de los bancos independientes con base en las variables explicativas incluidas en la tabla. Para otros detalles del análisis, el lector puede referirse al artículo original.

Ejemplo: Modelo PROBIT Parte 1

Para averiguar si las subsidiarias, ya sea de un banco o de una empresa dueña de múltiples bancos en países de banca unitaria, tienen características financieras y de mercado diferentes a las de otros bancos y si las diferencias en las leyes sobre banca estatal relativas a las compañías que poseen múltiples bancos per se, ocasionan alguna diferencia en estas características, Ronald M Brown estimó cuatro regresiones probit que se muestran en la tabla 16.9. Las definiciones de las variables explicativas están dadas en la tabla 16.10. Las siguientes variables dependientes están en el análisis:

Y₁ = 1, si el banco es de propiedad de una empresa dueña de múltiples bancos
     = 0, en los demás casos
Y₂ = 1, si el banco es de propiedad de una empresa dueña de un solo banco
     = 0, en los demás casos
Y₃ = 1, si el banco es de propiedad de una empresa con un sólo banco o con múltiples bancos
     = 0, en los demás casos