Martin Econometrics: Econometría y Aplicaciones

Algunas ideas sobre el estado actual de la microeconomía aplicada (microeconometría) Christopher Ruhm La inferencia causal se ha convertido en el paradigma dominante en el que se centran muchos microeconomistas aplicados y, creo, lo que muchos piensan que es la microeconomía aplicada (al menos en el trabajo, el sector público, la salud, el crimen, la educación, etc.). La inferencia causal es enormemente importante para comprender los efectos de muchas políticas u otros “tratamientos”, después del hecho, pero a menudo es mucho menos útil para entender cómo hacer una buena política, por adelantado. Por ejemplo, la inferencia causal puede tener un valor limitado para diseñar un buen programa de capacitación o una nueva política de apoyo a los ingresos, particularmente cuando la política es diferente a lo que hemos visto antes. Esta es una crítica común de aquellos que hacen modelos estructurales, pero creo que estos modelos a menudo tampoco son tan útiles. Lo que se necesita son enfoques

Mg. José-Manuel Martin Coronado Instituto de Econometría de Lima  EMECEP Consultorías Económicas Es sabido que en econometría, los problemas econométricos no son binarios (existe o no existen), sino que son un problema de grado. Si bien las pruebas de hipótesis, y los valores críticos, permiten identificar los problemas estadísticos, éstos en realidad nos dicen si tales son significativos (relevantes) o "insignificantes". Un problema muy común en la econometría es la autocorrelación, que es básicamente la correlación estadística entre los errores. Se dice estadística, pues conceptualmente los errores siempre pueden estar correlacionados, pero no es sino cuando se convierte en realidad numérica que genera un problema en el modelo.  Desde un enfoque económico, también puede decirse que las variables se encuentran relacionadas consigo mismas en el tiempo, lo cual dio vida al concepto de modelo autoregresivo, luego los modelos ARIMA y posteriormente a los modelos de vectores auto