Upload
joao-vidarte
View
11
Download
0
Embed Size (px)
Citation preview
1
UNIVERSIDAD NACIONAL DE PIURA
FACULTAD ECONOMIA COMPUTACION APLICADA A LA ECONOMIA
MODELOS ECONOMÉTRICOS
Elaboración de Pronósticos
Técnicas Cuantitativas
Modelo Econométrico: Conjunto de
ecuaciones que representan la conducta de la economía.
Técnicas Cualitativas
Investigaciones de mercado
Econometría
Medición económica.
Apoyo empírico a teorías.
Forma de obtener resultados numéricos.
Manera de aprovechar los datos de la mejor manera posible.
Pregunta: dado nuestro modelo ¿cuál es el efecto del cambio en alguna variable sobre nuestra variable de interés?
Metodología Econométrica
1º Paso: Enunciado de la teoría.
2º Paso: Especificación del modelo econométrico.
3º Paso: Estimación a partir de la información disponible.
4º Paso: verificación o inferencia estadística (prueba de hipótesis).
1º paso: Enunciado de la Teoría
Necesitamos saber qué variables están relacionadas y por qué.
Por ej.: Una función de producción micro establece que el producto de la firma es función de sus insumos:
Otras funciones: Función de costos, función de demanda, función de oferta, etc.
( ; )Y F L K
2º Paso: Elección del modelo
Debemos elegir una forma funcional: Lineal:
Cobb – Douglas:
La relación entre las variables no es una relación matemática sino estocástica. Por este motivo debemos añadir un término de error:
Y es la variable dependiente, mientras que las X son variables independientes. Se supone que las X causan a las Y.
1 1 2 2Y X X
1 2
1 2Y AX X
1 1 2 2Y X X
2
Para construir un modelo: F Se deben introducir la menor
cantidad de variables claves de la investigación y reducir el error de especificación.
F Mediante el análisis de los errores se omiten o se agregan variables, esto implica no eliminar variables relevantes ni incluir variables superfluas, resulta más grave eliminar una variable relevante que incluir una variable irrelevante.
Existen diferentes pruebas para
detectar los errores de especificación:
Examen de Residuales
Estadístico d de Durbin Watson,
Prueba Reset de Ramsey y
Prueba del multiplicador de Lagrange.
Por lo tanto es importante obtener la mejor información para el diseño de un Modelo.
Clientes y Empleo: Método de estimación
0
1000000
2000000
3000000
4000000
5000000
0 4000 8000 12000
E M P L E O
C L I E
N T E
S
3º: Estimación: Mínimos Cuadrados Clásicos
El criterio de los mínimos cuadrados busca minimizar la discrepancia entre la estimación y el verdadero valor de la variable Y.
Formalmente, el criterio busca minimizar la suma de los residuos al cuadrado.
Lo que se está estimando es una función promedio.
Bondad del Ajuste
Qué tan “buena” es la línea de regresión ajustada a un conjunto de datos.
El coeficiente de determinación R2 es una medida resumen que nos dice qué tan bueno es el ajuste. Mide la proporción de la variación total en Y explicada por el modelo de regresión.
0 R2 1
4º: Verificación – Inferencia Estadística:
Test de Significación Global e Individual
Individual: Nos dice si cada una de las variables es individualmente relevante en la explicación de la variable dependiente. La hipótesis nula es que el coeficiente asociado a una variable es cero.
Global: Nos dice si TODAS las variables en conjunto brindan una buena explicación de los movimientos de Y.
3
Modelos Desarrollados por MetroGAS
RESIDENTIAL + INDUSTRIAL DAILY CONSUMPTION - MAY 2001
0
5,000,000
10,000,000
15,000,000
20,000,000
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
U
m3
Actual
Predicted
RESIDENTIAL + INDUSTRIAL DAILY CONSUMPTION - MAY 2001
0
5,000,000
10,000,000
15,000,000
20,000,000
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
U
m3
Actual
Predicted
RESIDENTIAL + INDUSTRIAL DAILY CONSUMPTION - MAY 2001
0
5,000,000
10,000,000
15,000,000
20,000,000
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
UFR
ISAT
SUN
MO
NTU
EW
EDTH
U
m3
Actual
Predicted
Econométricos
(Software: Eviews)
Demanda mensual de gas por usuario
Residencial y Comercial, en función
de la temperatura mensual promedio
Demanda diaria de gas para usuarios
Residenciales, Comerciales,
Industriales y GNC (D+I), en función
de la temperatura diaria promedio
Demanda diaria de gas D+I, en
función de la temperatura horaria
Modelos: Demanda Mensual vs. Temperatura Mensual
La venta de gas
Residencial y Comercial
representa 55% de los
ingresos de MetroGAS.
Se la proyecta utilizando una
regresión con alto poder
explicativo y
estadísticamente confiable,
para el Presupuesto Anual,
el Plan de Negocios
Quinquenal y el análisis de
Casos de Negocios
El uso de los “clientes en
vigor” (no cortados) sustituye exitosamente la
utilización de las poco
representativas estadísticas sobre nivel de ingresos de
los consumidores La demanda
muestra un punto de
inflexión en
relación con la
temperatura
5
10
15
20
25
30
0 1 2 3 4 5 6 7
DEMANDA
TE
MP
ER
AT
UR
A CALOR
FRIO
DT = DC.CV
DC= a + b.GC + c.GF
R2=0.99
a, b, c: Coeficientes
DT: Demanda Total
Residencial y
Comercial
DC: Demanda por Cliente
CV: Clientes en vigor
GC: Grados de Calor
GF: Grados de Frío
-0.6
-0.4
-0.2
0.0
0.2
0.4
0
2
4
6
8
2001 2002 2003 2004 2005
Residual Actual Fitted
El precio relativo no integra la regresión
debido a su escaso poder explicativo en Buenos Aires (fuentes alternativas
estructuralmente más caras)
El análisis de la
serie 1945/2005 permitió elaborar
escenarios de
temperatura con probabilidad
asociada
Algunas funciones en Eviews
Hacer gráficos: PLOT PIB serie2
Mostrar varias series: SHOW PIB serie2
Calcular tasas trimestrales: GENR t_trim = (serie/serie(-1)-1)
Calcular tasas anuales: GENR t_anual= (serie/serie(-4)-1)
Calcular logaritmos: GENR logaritmo=LOG(serie)
Detectar fondos y picos a partir de tasas trimestrales
Calcular componente cíclico y análisis de estadísticos
GENR CC_LPIB = LPIB – HP_LPIB Volatilidad: cálculo de la desviación típica de cada
serie GENR SD_CCLPIB=@STDEV(CC_LPIB) Calcular la desviación típica relativa: DT(serie)/DT(PIB)
Correlación: calcular el coeficiente correlación entre el CC del PIB y el CC de la otra serie GENR COEFCOR=@COR(cc_lpib,cc_serie) GENR COEFCOR1=@COR(cc_lpib,cc_serie(+1))
GENR COEFCOR2=@COR(cc_lpib,cc_serie(+2)) GENR COEFCOR_1=@COR(cc_lpib,cc_serie(-1)) GENR COEFCOR_2=@COR(cc_lpib,cc_serie(-2)) SHOW COERCOR_2 COEFCOR_1 COEFCOR COEFCOR1
COEFCOR2