Parsimonia

Un modelo nunca puede llegar a ser una descripción completamente precisa de la realidad; para describir la realidad, es preciso desarrollar un modelo tan complejo que éste sería de poca utilidad práctica. En cualquier construcción de modelos es inevitable  hacer abstracción  o simplificación en alguna medida. El principio de la hoja de afeitar de Occam, o principio de parsimonia, establece que un modelo se debe conservar tan simple como sea posible, o , como diría Milton Friedman, "Una hipótesis [modelo] es importante si ésta 'explica' mucho, con poco...." Esto significa que se deben introducir en el modelo unas pocas variables claves que capturen la esencia del fenómeno bajo estudio relegando toda influencia menor y aleatoria al término de error ut.

Punto de vista tradicional Sobre la modelización econométrica: regresión económica promedio (REP) (III)

En este capítulo se averigua la forma como la metodología REP maneja las diversas clases de errores de especificación o los sesgos mencionados anteriormente. Más específicamente, se analizan las siguientes temas:

1. Naturaleza de los errores de especificación.
2. Consecuencias de los errores de especificación.
3. Cómo detectar los errores de especificación.
4. Una vez detectados los errores de especificación, qué remedios pueden adoptarse y con qué beneficios.

Antes de proceder a estudiar los diversos errores de especificación, la pregunta importante es: Cómo fue inicialmente seleccionado el modelo por la metodología clásica, o la REP? Frecuentemente, se utilizan criterios como los siguientes.

Punto de vista tradicional Sobre la modelización econométrica: regresión económica promedio (REP) (II)

Si por ejemplo, el sesgo resulta por la omisión de variables, el investigador empieza por agregar "nuevas" variables al modelo y trata de "reconstruir" sobre el modelo. Este enfoque tradicional del diseño de modelos econométricos se denomina enfoque de abajo hacia arriba porque se empieza a construir el modelo con un número dado de regresores y con base en el diagnostico, se procede a agregar más variables al modelo. Este enfoque se conoce también como Regresión Económica Promedio (REP), término atribuido a Gilbert, porque esta es la forma como se realiza en la práctica la mayor parte de la investigación económica.

En años recientes, esta metodología tradicional REP ha estado sujeta a fuertes críticas. Pero antes de considerar metodologías alternativas, se puede ver más de cerca la metodología REP pues, para muchos investigadores, ésta continúa siendo la metodología estándar. Además econometristas como DArnell y Evans sostienen con fuerza que fue modificando un poco la metodología econométrica tradicional (dada en la figura 1.4), la metodología REP puede continuar siendo la estrategia preferida.

Punto de vista tradicional Sobre la modelización econométrica: regresión económica promedio (REP) (I)

El supuesto 9 del modelo clásico de regresión lineal (MCRL) plantea que el modelo de regresión seleccionado para el análisis empírico está "correctametne" especificado. Con este supuesto, nuestra preocupación principal hasta ahora ha sido la estimación de los parámetros del modelo seleccionado  y la prueba de hipótesis con respecto a ellos. Si los estadísticos de diagnóstico, tales como R², t y F y el d de Durbin-Watson se consideran satisfactorios, el modelo seleccionado obtiene un reconocimiento de aprobación.

Por otra parte, si hay uno o más estadísticos de prueba que no son satisfactorios, el investigador busca métodos más sofisticados de estimación, por ejemplo, el procedimiento de estimación en dos etapas de Durbin para resolver el problema de autocorrelación. Si las pruebas de diagnóstico son aún no satisfactorias, el investigador se empieza a preocupar  por la existencia de errores de especificación o de sesgos en el modelo seleccionado: Habrán sido omitidas del modelo algunas variables importantes? Algunas variables de poca importancia habrán sido incluidas en el modelo? La forma funcional del modelo seleccionado será la correcta? Estará el error estocástico correctamente especificado? Habrá más de un error de especificación?

Diseño de Modelos econométricos I: Metodología econométrica tradicional

La búsqueda de los economistas por la "verdad" a través de los años ha dado origen a la versión de que los economistas son personas que andan buscando un gato negro que no existe dentro de un cuarto oscuro; con frecuencia, se acusa a los econometristas de encontrar uno".

Debido a su importancia teórica y práctica, en este capítulo y en el siguiente se analizará con alguna profundidad el enfoque tradicional y algunos enfoques alternativos para construir un modelo econométrico.

Resumen y Conclusiones Autocorrelación (V)

8. Un modelo especial estudiado en este capítulo es el ARCH en el cual la varianza condicional del término de error está correlacionada serialmente con los valores pasados del término de error al cuadrado. Este modelo ha demostrado ser bastante útil en la modelación y predicción de muchas variables financieras, tales como tasas de cambio, tasas de inflación, etc.

Resumen y Conclusiones Autocorrelación (IV)

6. Aun si se utiliza un esquema AR(1), el coeficiente de autocorrelación ρ no se conoce a priori. Consideramos diversos métodos para estimar, tales como el d de Durbin-Watson, el d modificado de Theil-Nagar, el procedimiento de dos etapas de Cochrane-Orcutt (C-O), el procedimiento iterativo C-O y el método de dos etapas de Durbin. En muestras grandes, estos métodos generalmente producen estimaciones similares, aunque en muestras pequeñas estos tienen un desempeño diferente. En la práctica, el método iterativo C-O se ha vuelto bastante popular.

7. Claro está, antes de remediar el problema de autocorrelación es preciso detectarlo. Hay diversos métodos de detección, de los cuales el más conocido es el estadístico d de Durbin-Watson. Aunque son de uso corriente y aparecen en los impresos de la mayoria de los paquetes de software de computador, el estadístico d tiene diversas limitaciones. Muy frecuentemente , el estadístico d es indicador de la presencia de un sesgo de especificación o de efecto ARCH y no de autocorrelación pura.