Martin Econometrics: Econometría y Aplicaciones

José-Manuel Martin Coronado Instituto de Econometría de Lima www.institutoeconometria.com Existe un concepto muy utilizado en el análisis de series de tiempo y es el de Proceso Generador de Datos (PGD ó DGP en inglés). Si bien el nombre parece complejo, en principio es bastante sencillo: Es una fórmula matemática que representa una secuencia de datos. Y por definición, esa fórmula de una secuencia permite crear datos en serie, es decir, sucesivos en función a algún indicador, en este caso, el tiempo. No obstante, muchos estudiosos de la materia buscan confundir y asustar al lector novel en estos temas, afirmando que es algo muy complejo. Si bien algunas fórmulas de series de tiempo puede ser excesivamente complejas, esto a veces es arbitrario y no necesariamente representativo, particularmente si se tiene en cuenta que los modelos Naïve puede llegar a ser tan precisos como los modelos con PGD de alta complejidad.  Por ejemplo, un proceso generador de datos muy simple se

Msc José-Manuel Martin Coronado Lima Econometric Institute www.josemanuelmartincoronado1.wordpress.com Lima, 11 noviembre de 2019 La Econometría permite identificar relaciones de causalidad entre dos o más variables. No obstante, la mente suele estar preparada sólo para el análisis bivariable, el cual es repetido k veces según el número de relaciones bivariables del modelo econométrico. En otras palabras, si un modelo econométrico tiene  k variables explicativas, entonces tendrá k relaciones de causalidad bivariables, puestas en una ecuación multivariable (ó multivariante). Basado en ello, y en el marco de un modelo lineal, el/la investigador puede cometer el error de pensar que un modelo multivariante expresado la suma de las variables ponderadas ( B k *X k ) más un sesgo/intercepto ( B o ) es equivalente que a k ecuaciones bivariables, en cuanto al valor de los coeficientes ( A k ).  Por ejemplo, en un modelo de dos variables explicativas: Y = B o + B 1 *X 1 +B

José M. Martin  Instituto de Econometría de Lima www.institutoeconometria.com Lima, 30 de octubre de 2019 Un aspecto muy importante de la econometría es la posibilidad de contrastar las teorías económicas con la realidad. Indico claramente la palabra contrastar porque ello puede incluir confirmar o rechazar una teoría económica. Más allá del animus   criticandi , que puede ser una motivación especial, la posibilidad de rechazar una teoría económica no es precisamente el objetivo principal que los profesores mainstream le plantean a los alumnos de economía. Al contrario, les motivan a que confirmen una teoría y les desmotivan (poniéndoles una nota desaprobatoria) si es que no la "pueden" confirmar.  Obviamente, esta situación de "sesgo de confirmación forzoso", hace que el alumno entre en desesperación cuando su modelo econométrico, aunque esté bien estadísticamente, no confirma lo esbozado por la teoría. "No hay descubrimiento alguno", &

Mg. José-Manuel Martin Coronado Chief Economist, EMECEP Consultoría www.emecep-consultoria.com Docente Principal, Instituto de Econometría de Lima www.institutoeconometria.com www.martineconometrics.com Lima, 29 de julio de 2019 1.- Introducción El tratamiento de la autocorrelación es uno de los aspectos fundamentales de la econometría. Más allá de que tenga que ser un supuesto MCO, la autocorrelación de los errores genera ineficiencia en los parámetros estimados y por lo tanto un mayor error en la variable endógena estimada. Por ello, su tratamiento es prioritario.  Ahora bien, esto plantea una interrogante: ¿Qué tipo de modelamiento y/o método de estimación es el más recomendable? Muchos dirán automáticamente que debe hacerse un SARIMA, pero antes de ello, debe analizarse la naturaleza de la serie de tiempo y verificar si efectivamente requiere hacerse un modelo con esas propiedades o tal vez uno más simple que cumpla con el cometido.  En el presente artículo se el