Hispanopedia Wiki
Articulo de referencia

Econometría

La econometría es una aplicación de métodos estadísticos a datos económicos con el fin de dar contenido empírico a las relaciones económicas. [ 1 ] Más precisamente, es "el anál...

Hispanopedia WikiContenido en espanolLectura gratuita

La econometría es una aplicación de métodos estadísticos a datos económicos con el fin de dar contenido empírico a las relaciones económicas. [ 1 ] Más precisamente, es "el análisis cuantitativo de fenómenos económicos reales basado en el desarrollo simultáneo de la teoría y la observación, relacionados mediante métodos de inferencia apropiados". [ 2 ] Un libro de texto de introducción a la economía describe la econometría como una herramienta que permite a los economistas "analizar montañas de datos para extraer relaciones simples". [ 3 ] Jan Tinbergen es uno de los dos padres fundadores de la econometría. [ 4 ] [ 5 ] [ 6 ] El otro, Ragnar Frisch , también acuñó el término en el sentido en que se usa hoy en día. [ 7 ]

Una herramienta básica para la econometría es el modelo de regresión lineal múltiple . [ 8 ] La teoría econométrica utiliza la teoría estadística y la estadística matemática para evaluar y desarrollar métodos econométricos. [ 9 ] [ 10 ] Los econometristas intentan encontrar estimadores que tengan propiedades estadísticas deseables, incluyendo insesgadez , eficiencia y consistencia . La econometría aplicada utiliza la econometría teórica y datos del mundo real para evaluar teorías económicas, desarrollar modelos econométricos , analizar la historia económica y realizar pronósticos .

Historia

Los orígenes de la econometría se remontan al desarrollo del método de mínimos cuadrados a principios del siglo XIX. Inicialmente aplicado en astronomía y geodesia para estimar los movimientos celestes y otros fenómenos físicos, el método de mínimos cuadrados se convirtió posteriormente en una técnica fundamental en el análisis de regresión . [ 11 ] [ 12 ]

El desarrollo de los métodos estadísticos y econométricos estuvo influenciado por las contribuciones previas a la aritmética política y la investigación social cuantitativa de figuras como Gregory King , Francis Ysidro Edgeworth , Vilfredo Pareto y Sir William Petty . [ 13 ] La investigación econométrica temprana se ejemplificó con obras como Economía sintética de Henry Ludwell Moore . [ 13 ]

A medida que las aplicaciones estadísticas se expandieron a problemas de clasificación, el análisis discriminante lineal (LDA) se introdujo en 1936 para predecir resultados categóricos. [ 14 ] [ 15 ] La regresión logística surgió durante la década de 1940 como un enfoque alternativo para modelar resultados binarios. A principios de la década de 1970, se desarrolló el marco del modelo lineal generalizado (GLM), que unificó la regresión lineal y logística dentro de una clase más amplia de modelos estadísticos. [ 16 ] [ 17 ]

Durante gran parte del siglo XX, los métodos de aprendizaje estadístico fueron predominantemente lineales debido a la alta demanda computacional de las técnicas no lineales. Las mejoras en la capacidad de procesamiento durante la década de 1980 facilitaron el desarrollo y la adopción de enfoques no lineales, como los árboles de clasificación y regresión (CART), los modelos aditivos generalizados (GAM) y las redes neuronales artificiales . Durante la década de 1990, las máquinas de vectores de soporte (SVM) surgieron como otra clase importante de modelos predictivos. [ 18 ]

Modelos básicos: regresión lineal

Una herramienta básica en econometría es el modelo de regresión lineal múltiple . [ 8 ] En la econometría moderna, se utilizan con frecuencia otras herramientas estadísticas, pero la regresión lineal sigue siendo el punto de partida más común para un análisis. [ 8 ] La estimación de una regresión lineal entre dos variables puede visualizarse como el ajuste de una línea a través de puntos de datos que representan pares de valores de las variables independiente y dependiente.

La ley de Okun representa la relación entre el crecimiento del PIB y la tasa de desempleo. La línea de regresión se obtiene mediante análisis de regresión.

Uno de los primeros usos de la regresión lineal fue en 1889 por el estadístico británico Udny Yule . Yule buscaba identificar causalmente una relación entre la asistencia pública y el número de personas empobrecidas en Inglaterra. [ 19 ] Utilizando dos períodos de tiempo de los datos censales de 1871 y 1881 a nivel de condado, estimó el efecto de recibir asistencia social en la tasa de pobreza . [ 20 ] Si bien probablemente no cumpliría con el umbral hoy en día, dadas las preocupaciones sobre la causalidad bidireccional y el sesgo en el término de error, su especificación de regresión fue la siguiente:

Pobrezado=αdo+δdo⋅Asistenciado+β1Viejodo+β2Poblacióndo+ϵdo{\displaystyle {\text{Pobreza}}_{c}=\alpha _{c}+\delta _{c}\cdot {\text{Asistencia}}_{c}+\beta _{1}{\text{Ancianos}}_{c}+\beta _{2}{\text{Población}}_{c}+\epsilon _{c}}

Otro ejemplo, uno que rara vez se usa hoy en día, se puede encontrar en macroeconomía. Consideremos la ley de Okun , que relaciona el crecimiento del PIB con la tasa de desempleo. Esta relación se representa en una regresión lineal donde el cambio en la tasa de desempleo (Δ Desempleo{\displaystyle \Delta \ {\text{Desempleo}}}) es una función de una intersección (β0{\displaystyle \beta _{0}}), un valor dado de crecimiento del PIB multiplicado por un coeficiente de pendienteβ1{\displaystyle \beta _{1}}y un término de error,ε{\displaystyle \varepsilon }:

Δ Desempleo=β0+β1Crecimiento+ε.{\displaystyle \Delta \ {\text{Desempleo}}=\beta _{0}+\beta _{1}{\text{Crecimiento}}+\varepsilon .}

Los parámetros desconocidosβ0{\displaystyle \beta _{0}}yβ1{\displaystyle \beta _{1}}se puede estimar. Aquíβ0{\displaystyle \beta _{0}}Se estima que es 0,83 yβ1{\displaystyle \beta _{1}}Se estima que es -1,77. Esto significa que si el crecimiento del PIB aumentara en 1 punto porcentual, se preveía que la tasa de desempleo disminuiría en 1,77 * 1 puntos, manteniendo constantes los demás factores . El modelo podría entonces someterse a prueba para determinar su significancia estadística en cuanto a si un aumento en el crecimiento del PIB está asociado con una disminución del desempleo, como se hipotetizó . Si la estimación deβ1{\displaystyle \beta _{1}}Si no fueran significativamente diferentes de 0, la prueba no encontraría evidencia de que los cambios en la tasa de crecimiento y la tasa de desempleo estuvieran relacionados. La varianza en una predicción de la variable dependiente (desempleo) en función de la variable independiente (crecimiento del PIB) se da en mínimos cuadrados polinomiales .

Teoría

La teoría econométrica utiliza la teoría estadística y la estadística matemática para evaluar y desarrollar métodos econométricos. [ 9 ] [ 10 ] Los econometristas intentan encontrar estimadores que tengan propiedades estadísticas deseables, incluyendo insesgadez , eficiencia y consistencia . Un estimador es insesgado si su valor esperado es el valor verdadero del parámetro ; es consistente si converge al valor verdadero a medida que el tamaño de la muestra aumenta, y es eficiente si el estimador tiene un error estándar menor que otros estimadores insesgados para un tamaño de muestra dado. Los mínimos cuadrados ordinarios (MCO) se utilizan a menudo para la estimación ya que proporcionan el BLUE o "mejor estimador lineal insesgado" (donde "mejor" significa el estimador insesgado más eficiente) dadas las suposiciones de Gauss-Markov . Cuando se violan estas suposiciones, o se desean otras propiedades estadísticas, se utilizan otras técnicas de estimación como la estimación de máxima verosimilitud , el método generalizado de momentos o los mínimos cuadrados generalizados . Quienes prefieren la estadística bayesiana a los enfoques tradicionales, clásicos o "frecuentistas" defienden los estimadores que incorporan creencias previas .

Métodos

La econometría aplicada utiliza la econometría teórica y datos del mundo real para evaluar teorías económicas, desarrollar modelos econométricos , analizar la historia económica y realizar pronósticos . [ 21 ]

La econometría utiliza modelos estadísticos estándar para estudiar cuestiones económicas, pero con mayor frecuencia estos se basan en datos observacionales , en lugar de datos de experimentos controlados . [ 22 ] En este sentido, el diseño de estudios observacionales en econometría es similar al diseño de estudios en otras disciplinas observacionales, como la astronomía, la epidemiología, la sociología y la ciencia política. El protocolo de estudio guía el análisis de datos de un estudio observacional, aunque el análisis exploratorio de datos puede ser útil para generar nuevas hipótesis. [ 23 ] La economía a menudo analiza sistemas de ecuaciones y desigualdades, como la oferta y la demanda que se hipotetiza que están en equilibrio . En consecuencia, el campo de la econometría ha desarrollado métodos para la identificación y estimación de modelos de ecuaciones simultáneas . Estos métodos son análogos a los utilizados en otras áreas de la ciencia, como la identificación de sistemas en el análisis de sistemas y la teoría de control . Dichos métodos pueden permitir a los investigadores estimar modelos e investigar sus consecuencias empíricas, sin manipular directamente el sistema.

En ausencia de evidencia de experimentos controlados, los econometristas a menudo buscan experimentos naturales esclarecedores o aplican métodos cuasiexperimentales para obtener inferencias causales creíbles. [ 24 ] Los métodos incluyen el diseño de discontinuidad de regresión , variables instrumentales y diferencias en diferencias .

Ejemplo

Un ejemplo sencillo de una relación en econometría del campo de la economía laboral es:

ln⁡(salario)=β0+β1(años de educación)+ε.{\displaystyle \ln({\text{salario}})=\beta _{0}+\beta _{1}({\text{años de educación}})+\varepsilon .}

Este ejemplo supone que el logaritmo natural del salario de una persona es una función lineal del número de años de educación que ha adquirido. El parámetroβ1{\displaystyle \beta _{1}}mide el aumento en el logaritmo natural del salario atribuible a un año más de educación. El términoε{\displaystyle \varepsilon }es una variable aleatoria que representa todos los demás factores que pueden tener una influencia directa sobre el salario. El objetivo econométrico es estimar los parámetros,β0 y β1{\displaystyle \beta _{0}{\mbox{ y }}\beta _{1}}bajo supuestos específicos sobre la variable aleatoriaε{\displaystyle \varepsilon }. Por ejemplo, siε{\displaystyle \varepsilon }Si no está correlacionada con los años de educación, entonces la ecuación se puede estimar con mínimos cuadrados ordinarios .

Si el investigador pudiera asignar aleatoriamente a las personas a diferentes niveles de educación, el conjunto de datos resultante permitiría estimar el efecto de los cambios en los años de educación sobre los salarios. En realidad, estos experimentos no se pueden realizar. En cambio, el econometrista observa los años de educación y los salarios pagados a personas que difieren en múltiples dimensiones. Con este tipo de datos, el coeficiente estimado de los años de educación en la ecuación anterior refleja tanto el efecto de la educación sobre los salarios como el efecto de otras variables sobre los salarios, si estas otras variables estuvieran correlacionadas con la educación. Por ejemplo, las personas nacidas en ciertos lugares pueden tener salarios más altos y niveles de educación más elevados. A menos que el econometrista controle el lugar de nacimiento en la ecuación anterior, el efecto del lugar de nacimiento sobre los salarios podría atribuirse erróneamente al efecto de la educación sobre los salarios.

La forma más obvia de controlar el lugar de nacimiento es incluir una medida de su efecto en la ecuación anterior. La exclusión del lugar de nacimiento, junto con la suposición de queϵ{\displaystyle \epsilon }no está correlacionado con la educación, produce un modelo mal especificado. Otra técnica es incluir en la ecuación un conjunto adicional de covariables medidas que no son variables instrumentales, pero que producenβ1{\displaystyle \beta _{1}}identificable. [ 25 ] Card (1999) proporcionó una descripción general de los métodos econométricos utilizados para estudiar este problema . [ 26 ]

Revistas

Las principales revistas que publican trabajos en econometría son:

Limitaciones y críticas

La integración de la estadística en la teoría económica para formular afirmaciones causales genera desacuerdos dentro de la disciplina, lo que suscita críticas a la econometría. La mayoría de estas críticas se han resuelto gracias a la revolución de la credibilidad y al mayor rigor del marco de resultados potenciales , utilizado actualmente por economistas aplicados, microeconomistas y econometristas para generar inferencias causales. Si bien los econometristas comenzaron a desarrollar métodos a mediados de la década de 1960 para mejorar las medidas estadísticas, la publicación en 2009 de * Mostly Harmless Econometrics*, de los economistas Joshua D. Angrist y Jörn-Steffen Pischke, resumió los avances en la modelización econométrica. La modelización causal estructural , que intenta formalizar las limitaciones de los métodos cuasiexperimentales desde una perspectiva causal y permite a los experimentadores cuantificar con precisión los riesgos de la investigación cuasiexperimental, constituye la principal respuesta académica a esta crítica.

Al igual que otras formas de análisis estadístico, los modelos econométricos mal especificados pueden mostrar una relación espuria donde dos variables están correlacionadas pero no causalmente relacionadas. En un estudio sobre el uso de la econometría en las principales revistas de economía, McCloskey concluyó que algunos economistas informan valores p (siguiendo la tradición fisheriana de pruebas de significancia de hipótesis nulas puntuales ) y descuidan las preocupaciones sobre los errores de tipo II ; algunos economistas no informan estimaciones del tamaño de los efectos (aparte de la significancia estadística ) ni discuten su importancia económica. También argumenta que algunos economistas no utilizan el razonamiento económico en la selección de modelos , especialmente al decidir qué variables incluir en una regresión. [ 35 ] [ 36 ]

En algunos casos, las variables económicas no pueden manipularse experimentalmente como tratamientos asignados aleatoriamente a los sujetos. [ 37 ] En tales casos, los economistas recurren a estudios observacionales , a menudo utilizando conjuntos de datos con muchas covariables fuertemente asociadas , lo que da como resultado una enorme cantidad de modelos con capacidad explicativa similar pero con diferentes covariables y estimaciones de regresión. Respecto a la pluralidad de modelos compatibles con conjuntos de datos observacionales, Edward Leamer instó a que «los profesionales... se abstengan de emitir un juicio hasta que se pueda demostrar que una inferencia es suficientemente insensible a la elección de supuestos». [ 37 ]

Dificultades en la especificación del modelo

Al igual que otras formas de análisis estadístico, los modelos econométricos mal especificados pueden mostrar una correlación espuria donde dos variables están correlacionadas pero no tienen una relación causal. Se dice que el economista Ronald Coase afirmó: «Si se torturan los datos el tiempo suficiente, confesarán». [ 38 ] Deirdre McCloskey sostiene que, en los trabajos econométricos publicados, los economistas a menudo no utilizan el razonamiento económico para incluir o excluir variables, confunden la significación estadística con la significación sustancial y no informan sobre la potencia de sus hallazgos. [ 39 ]

Las variables económicas se observan en la realidad y, por lo tanto, no se aíslan fácilmente para pruebas experimentales. Edward Leamer argumentó que no había una diferencia esencial entre el análisis econométrico y los ensayos aleatorios o controlados , siempre que el uso de técnicas estadísticas redujera el sesgo de especificación, los efectos de la colinealidad entre las variables, al mismo orden que la incertidumbre debida al tamaño de la muestra. [ 40 ] Hoy en día, esta crítica no es vinculante, ya que los avances en la identificación son más sólidos. La identificación actual puede informar el efecto promedio del tratamiento (ATE), el efecto promedio del tratamiento en los tratados (ATT) o el efecto promedio local del tratamiento (LATE). [ 20 ] El sesgo de especificación , o sesgo de selección , puede eliminarse fácilmente mediante avances en las técnicas de muestreo y la capacidad de muestrear poblaciones mucho más grandes a través de mejores comunicaciones, almacenamiento de datos y técnicas de aleatorización . En segundo lugar, la colinealidad puede controlarse fácilmente mediante variables instrumentales. Al informar ATT o LATE, podemos controlar o eliminar el error heterogéneo, informando solo los efectos dentro del grupo definido.

Los economistas, al usar datos, pueden tener muchas variables explicativas que desean usar que son altamente colineales, de modo que el sesgo del investigador puede ser importante en la selección de variables. Leamer argumenta que los economistas pueden mitigar esto ejecutando pruebas estadísticas con diferentes modelos especificados y descartando cualquier inferencia que resulte ser "frágil", concluyendo que "los profesionales... apropiadamente retienen la creencia hasta que se pueda demostrar que una inferencia es suficientemente insensible a la elección de supuestos". [ 40 ] Hoy, esto se conoce como p-hacking , y no es un fallo de la metodología econométrica, sino más bien un fallo potencial de un investigador que puede estar buscando probar su propia hipótesis. [ 41 ] El p-hacking no es aceptado en economía, y el requisito de revelar los datos originales y el código para realizar el análisis estadístico. [ 42 ] Sin embargo, Sala-I-Martin [ 43 ] argumentó, es posible especificar dos modelos que sugieren una relación contraria entre dos variables. El fenómeno fue denominado fenómeno de resultado recalcitrante emergente por Robert Goldfarb . [ 44 ] Esto se conoce como causalidad bidireccional y debe discutirse con respecto a la teoría subyacente que el mecanismo intenta capturar.

Kennedy (1998, págs. 1-2) informa que se acusa a los econometristas de usar mazos para romper cacahuetes . Es decir, utilizan una amplia gama de técnicas estadísticas complejas mientras hacen la vista gorda ante las deficiencias de los datos y los muchos supuestos cuestionables necesarios para la aplicación de estas técnicas . [ 45 ] Kennedy cita la crítica de la práctica que aparece en el libro de texto de econometría de Stefan Valavanis de 1959:

La teoría econométrica es como una receta francesa exquisitamente equilibrada, que detalla con precisión con cuántas vueltas mezclar la salsa, cuántos quilates de especias añadir y durante cuántos milisegundos hornear la mezcla a exactamente 474 grados de temperatura. Pero cuando el cocinero estadístico recurre a las materias primas, descubre que no hay corazones de cactus disponibles, así que los sustituye por trozos de melón; donde la receta pide fideos vermicelli, usa trigo desmenuzado; y sustituye tinte verde para ropa por curry, pelotas de ping-pong por huevos de tortuga y, por Chalifougnac cosecha de 1883, una lata de trementina. (1959, p. 83) [ 46 ]

Críticas macroeconómicas

Centrándose principalmente en la macroeconomía, Lawrence Summers ha criticado el formalismo econométrico, argumentando que «los hechos empíricos de los que tenemos mayor confianza y que proporcionan la base más sólida para la teoría son aquellos que requieren el análisis estadístico menos sofisticado para ser percibidos». Summers no critica la metodología en sí, sino su utilidad para el desarrollo de la teoría macroeconómica.

Examina dos estudios macroeconométricos muy citados ( Hansen y Singleton (1982, 1983) y Bernanke (1986)) y argumenta que, si bien ambos hacen un uso brillante de los métodos econométricos, ninguno de los artículos aborda la prueba teórica formal. Al observar que en las ciencias naturales, "los investigadores se apresuran a comprobar la validez de las afirmaciones hechas por laboratorios rivales y luego las desarrollan", Summers señala que esto rara vez ocurre en economía, lo que para él es resultado del hecho de que "los resultados [de los estudios econométricos] rara vez son un aporte importante para la creación de teorías o la evolución de la opinión profesional en general". Para Summers: [ 47 ]

Las investigaciones empíricas exitosas se han caracterizado por intentar medir la fuerza de las asociaciones en lugar de estimar parámetros estructurales, por caracterizaciones verbales de cómo podrían operar las relaciones causales en lugar de modelos matemáticos explícitos, y por el uso hábil de experimentos naturales cuidadosamente seleccionados en lugar de técnicas estadísticas sofisticadas para lograr la identificación.

Crítica de Lucas

Robert Lucas criticó el uso de modelos econométricos macroeconómicos excesivamente simplistas para predecir las implicaciones de la política económica , argumentando que las relaciones estructurales observadas en los modelos históricos se rompen cuando los responsables de la toma de decisiones ajustan sus preferencias en respuesta a los cambios de política. Lucas sostuvo que las conclusiones políticas derivadas de los modelos macroeconométricos contemporáneos a gran escala eran inválidas, ya que los agentes económicos revisarían sus expectativas sobre el futuro y ajustarían su comportamiento en consecuencia. Un buen modelo macroeconométrico debería incorporar fundamentos microeconómicos para modelar los efectos del cambio de política, con ecuaciones que representen a agentes económicos representativos que responden a los cambios económicos basándose en expectativas racionales sobre el futuro; lo que implica que su patrón de comportamiento podría ser muy diferente si la política económica cambiara.

Crítica de la escuela austriaca

La actual Escuela Austriaca de Economía suele rechazar gran parte de la modelización econométrica. Sostienen que los datos históricos utilizados para elaborar estos modelos representan el comportamiento en circunstancias particulares del pasado; por lo tanto, los modelos econométricos muestran relaciones correlacionales en lugar de causales. Los econometristas han abordado esta crítica adoptando metodologías cuasiexperimentales. Los economistas de la Escuela Austriaca siguen mostrándose escépticos ante estos modelos corregidos, manteniendo su creencia de que los métodos estadísticos no son adecuados para las ciencias sociales. [ 48 ]

La escuela austriaca sostiene que el contrafactual debe conocerse para establecer una relación causal. Los cambios contrafactuales podrían entonces extraerse de los cambios observados, dejando solo los cambios atribuibles a la variable. Responder a esta crítica es muy difícil ya que "no existe un método fiable para determinar el contrafactual correcto único" para datos históricos. [ 49 ] Para datos no históricos, la crítica austriaca se aborda con ensayos controlados aleatorios . Los ensayos controlados aleatorios deben prepararse de manera intencionada, lo cual no ocurre con los datos históricos. [ 50 ] El uso de ensayos controlados aleatorios se está volviendo más común en la investigación en ciencias sociales. En Estados Unidos, por ejemplo, la Ley de Reforma de las Ciencias de la Educación de 2002 supeditó la financiación de la investigación educativa a la validez científica definida en parte como "diseños experimentales que utilizan asignación aleatoria, cuando sea factible". [ 51 ] Al responder preguntas de causalidad, la estadística paramétrica solo aborda la crítica austriaca en ensayos controlados aleatorios.

Si los datos no provienen de un ensayo controlado aleatorizado, los econometristas responden a la crítica austriaca con metodologías cuasiexperimentales , que incluyen la identificación y explotación de experimentos naturales . Estas metodologías intentan extraer el contrafactual a posteriori, justificando así el uso de herramientas estadísticas paramétricas. Dado que la estadística paramétrica depende de que cualquier observación siga una distribución gaussiana, lo cual solo está garantizado por el teorema del límite central en una metodología de aleatorización, el uso de herramientas como el intervalo de confianza quedará fuera de su especificación: la magnitud del sesgo de selección siempre será desconocida. [ 52 ]

Véase también

Referencias

  1. ↑ M. Hashem Pesaran (1987). "Econometrics", The New Palgrave: A Dictionary of Economics , vol. 2, pág. 8 [ppágs. 8–22]. Reimpreso en J. Eatwell et al. , eds. (1990). Econometrics: The New Palgrave , pág. 1. Archivado el 15 de marzo de 2023 en Wayback Machine [ppágs. 1–34]. Resumen archivado el 18 de mayo de 2012 en Wayback Machine ( revisión de 2008 por J. Geweke, J. Horowitz y HP Pesaran).
  2. ↑ PA Samuelson , TC Koopmans y JRN Stone (1954). "Informe del Comité de Evaluación de Econometrica ", Econometrica 22(2), pág. 142. [págs . 141-146 ], como se describe y cita en Pesaran (1987) más arriba.
  3. ↑ Paul A. Samuelson y William D. Nordhaus , 2004. Economía . 18.ª ed., McGraw-Hill, pág. 5.
  4. ^ "1969 - Jan Tinbergen: Nobelprijs economie - Elsevierweekblad.nl" . elsevierweekblad.nl . 12 de octubre de 2015. Archivado desde el original el 1 de mayo de 2018 . Consultado el 1 de mayo de 2018 .
  5. ↑ Magnus, Jan y Mary S. Morgan (1987) La entrevista de ET: Profesor J. Tinbergen en: 'Econometric Theory 3, 1987, 117–142.
  6. ↑ Willekens, Frans (2008) Migración internacional en Europa: datos, modelos y estimaciones. Nueva Jersey. John Wiley & Sons: 117.
  7. ↑ • HP Pesaran (1990), "Econometrics", Econometrics: The New Palgrave , p. 2. Archivado el 15 de marzo de 2023 en Wayback Machine , citando a Ragnar Frisch (1936), "A Note on the Term 'Econometrics'", Econometrica , 4(1), p. 95. • Aris Spanos (2008), "statistics and economics", The New Palgrave Dictionary of Economics , 2.ª edición. Resumen. Archivado el 18 de mayo de 2012 en Wayback Machine.   
  8. 1 2 3 Greene, William (2012). «Capítulo 1: Econometría». Análisis econométrico (7.ª ed.). Pearson Education. págs. 47–48 . ISBN   9780273753568En última instancia , todas estas aplicaciones requerirán un conjunto común de herramientas, que incluya, por ejemplo, el modelo de regresión múltiple, el uso de condiciones de momento para la estimación, variables instrumentales (VI) y la estimación de máxima verosimilitud. Teniendo esto en cuenta, la estructura de este libro es la siguiente: La primera mitad del texto desarrolla resultados fundamentales comunes a todas las aplicaciones. El concepto de regresión múltiple, y en particular el modelo de regresión lineal, constituye la base de la mayoría de los modelos, aunque el modelo lineal en sí no se utilice finalmente como especificación empírica.
  9. 1 2 Greene, William (2012). Análisis econométrico (7.ª ed.). Pearson Education. págs. 34, 41–42 . ISBN   9780273753568.
  10. 1 2 Wooldridge, Jeffrey (2012). «Capítulo 1: La naturaleza de la econometría y los datos económicos». Econometría introductoria: Un enfoque moderno (5.ª ed.). South-Western Cengage Learning. pág. 2. ISBN   9781111531041.
  11. ↑ Nievergelt, Yves. "Una historia didáctica de los mínimos cuadrados con aplicaciones a la astronomía y la geodesia." Journal of Computational and Applied Mathematics 121, n.º 1–2 (2000): 37–72.
  12. ↑ James, Gareth; Witten, Daniela; Hastie, Trevor; Tibshirani, Robert; Taylor, Jonathan. Introducción al aprendizaje estadístico: con aplicaciones en Python . Cham: Springer International Publishing, 2023, pág. 5.
  13. 1 2 Tintner, Gerhard (1953). "La definición de econometría" . Econometrica . 21 (1): 31– 40. doi : 10.2307/1906941 . ISSN 0012-9682 . JSTOR 1906941 .  
  14. ↑ Cohen, Jacob; Cohen, Patricia; West, Stephen G.; Aiken, Leona S. Análisis de regresión/correlación múltiple aplicada a las ciencias del comportamiento . 3.ª ed. Mahwah, NJ: Lawrence Erlbaum Associates, 2003.
  15. ↑ James, Gareth; Witten, Daniela; Hastie, Trevor; Tibshirani, Robert; Taylor, Jonathan. Introducción al aprendizaje estadístico: con aplicaciones en Python . Cham: Springer International Publishing, 2023, pág. 5.
  16. ↑ Wedderburn, Robert WM "Funciones de cuasi-verosimilitud, modelos lineales generalizados y el método de Gauss-Newton." Biometrika 61, n.º 3 (1974): 439–447.
  17. ↑ James, Gareth; Witten, Daniela; Hastie, Trevor; Tibshirani, Robert; Taylor, Jonathan. Introducción al aprendizaje estadístico: con aplicaciones en Python . Cham: Springer International Publishing, 2023, pág. 5.
  18. ↑ James, Gareth; Witten, Daniela; Hastie, Trevor; Tibshirani, Robert; Taylor, Jonathan. Introducción al aprendizaje estadístico: con aplicaciones en Python . Cham: Springer International Publishing, 2023, pág. 5.
  19. ↑ Yule, G. Udny (junio de 1899). "Una investigación sobre las causas de los cambios en el pauperismo en Inglaterra, principalmente durante las dos últimas décadas intercensales (Parte I)" . Journal of the Royal Statistical Society . 62 (2): 249. doi : 10.2307/2979889 . ISSN 0952-8385 . 
  20. 1 2 "4 Resultados potenciales Inferencia causal – Inferencia causal The Mixtape " . mixtape.scunning.com . Consultado el 26 de octubre de 2025 .
  21. ↑ Clive Granger (2008). "forecasting", The New Palgrave Dictionary of Economics , 2.ª edición. Resumen. Archivado el 18 de mayo de 2012 en Wayback Machine.
  22. ↑ Wooldridge, Jeffrey (2013). Introducción a la econometría: un enfoque moderno . South-Western, Cengage Learning. ISBN 978-1-111-53104-1.
  23. ↑ Herman O. Wold (1969). "La econometría como pionera en la construcción de modelos no experimentales", Econometrica , 37(3), pp. 369 Archivado el 24 de agosto de 2017 en Wayback Machine -381.
  24. ↑ Angrist, Joshua D. ; Pischke, Jörn-Steffen (mayo de 2010). "La revolución de la credibilidad en la economía empírica: cómo un mejor diseño de investigación está eliminando el engaño de la econometría" . Journal of Economic Perspectives . 24 (2): 3– 30. doi : 10.1257/jep.24.2.3 . hdl : 1721.1/54195 . ISSN 0895-3309 . 
  25. ↑ Pearl, Judea (2000). Causalidad: Modelo, razonamiento e inferencia . Cambridge University Press. ISBN 978-0521773621.
  26. ↑ Card, David (1999). «El efecto causal de la educación en los ingresos». En Ashenfelter, O.; Card, D. (eds.). Manual de economía laboral . Ámsterdam: Elsevier. pp. 1801–1863 . ISBN  978-0444822895.
  27. ↑ "Inicio" . www.econometricsociety.org . Consultado el 14 de febrero de 2024 .
  28. ↑ "The Review of Economics and Statistics" . direct.mit.edu . Consultado el 14 de febrero de 2024 .
  29. ↑ "The Econometrics Journal" . Wiley.com. Archivado del original el 6 de octubre de 2011. Consultado el 8 de octubre de 2013 .
  30. ↑ "Revista de Econometría" . www.scimagojr.com . Consultado el 14 de febrero de 2024 .
  31. ↑ "Inicio" . Consultado el 14 de marzo de 2024 .
  32. ↑ "Revista de Econometría Aplicada" . Revista de Econometría Aplicada . doi : 10.1002/(ISSN)1099-1255 . hdl : 2027.42/34956 .
  33. ↑ Econometric Reviews ISSN impreso: 0747-4938 ISSN en línea: 1532-4168 https://www.tandfonline.com/action/journalInformation?journalCode=lecr20
  34. ↑ "Revistas" . Predeterminado . Consultado el 14 de febrero de 2024 .
  35. ↑ McCloskey (mayo de 1985). "La función de pérdida se ha extraviado: la retórica de las pruebas de significancia". American Economic Review . 75 (2).
  36. ↑ Stephen T. Ziliak y Deirdre N. McCloskey (2004). "El tamaño importa: el error estándar de las regresiones en la American Economic Review ", Journal of Socio-Economics , 33(5), pp. 527-46. Archivado el 25 de junio de 2010 en Wayback Machine (presione + ).
  37. 1 2 Leamer, Edward (marzo de 1983). "Eliminemos el engaño de la econometría". American Economic Review . 73 (1): 31– 43. JSTOR 1803924 . 
  38. ↑ Gordon Tullock , «Un comentario sobre "Una súplica a los economistas que defienden la libertad" de Daniel Klein», Eastern Economic Journal , primavera de 2001, nota 2 (Texto: «Como dice Ronald Coase, "si torturas los datos el tiempo suficiente, confesarán"». Nota: «Le he oído decir esto varias veces. Que yo sepa, nunca lo ha publicado.»)
  39. ↑ McCloskey, DN (mayo de 1985). "La función de pérdida se ha extraviado: la retórica de las pruebas de significancia" (PDF) . American Economic Review . 75 (2): 201–205 .
  40. 1 2 Leamer, Edward (marzo de 1983). "Eliminemos el engaño de la econometría". American Economic Review . 73 (1): 31– 43. JSTOR 1803924 . 
  41. ↑ Brodeur, Abel; Carrell, Scott; Figlio, David; Lusher, Lester (noviembre de 2023). "Desempaquetando el P-hacking y el sesgo de publicación" . American Economic Review . 113 (11): 2974–3002 . doi : 10.1257/aer.20210795 . ISSN 0002-8282 . 
  42. ↑ "Políticas y directrices de datos y códigos de la AEA" . www.aeaweb.org . Consultado el 26 de octubre de 2025 .
  43. ↑ Sala-i-Martin, Xavier X (noviembre de 1997). Acabo de ejecutar cuatro millones de regresiones (documento de trabajo). NBER. doi : 10.3386/w6252 .
  44. ↑ Goldfarb, Robert S. (diciembre de 1997). "Ahora lo ves, ahora no lo ves: resultados contrarios emergentes en economía". Journal of Economic Methodology . 4 (2): 221– 244. doi : 10.1080/13501789700000016 . ISSN 1350-178X . 
  45. ↑ Kennedy, P (1998) Guía de econometría , Blackwell, 4.ª edición
  46. ↑ Valavanis, Stefan (1959) Econometría , McGraw-Hill
  47. ↑ Summers, Lawrence (junio de 1991). "La ilusión científica en la macroeconomía empírica". Scandinavian Journal of Economics . 93 (2): 129– 148. doi : 10.2307/3440321 . JSTOR 3440321 . 
  48. ↑ Garrison, Roger - en El significado de Ludwig von Mises: Contribuciones a la economía, la sociología, la epistemología y la filosofía política, ed. Herbener, pp. 102-117. "Mises y sus métodos"
  49. ↑ DeMartino, George F. (2021). "El espectro de la ignorancia irreparable: contrafactuales y causalidad en economía" . Review of Evolutionary Political Economy . 2 (2): 253– 276. doi : 10.1007/s43253-020-00029- w . ISSN 2662-6136 . PMC 7792558. PMID 38624569 .   
  50. ↑ Angrist, Joshua; Pischke, Jörn-Steffen (15 de diciembre de 2008). Econometría casi inofensiva . Princeton University Press. ISBN 978-1400829828.
  51. ↑ Ley de Reforma de las Ciencias de la Educación de 2002 , Ley Pública 107–279; Aprobada el 5 de noviembre de 2002; 116 Stat. 1941, Enmendada mediante la Ley Pública 117–286, Promulgada el 27 de diciembre de 2022 " https://www.govinfo.gov/content/pkg/COMPS-747/pdf/COMPS-747.pdf "
  52. ^ Harris, Anthony D.; McGregor, Jessina C.; Perencevich, Eli N.; Furuno, Jon P.; Zhu, Jingkun; Peterson, Dan E.; Finkelstein, José (2006). "El uso e interpretación de estudios cuasiexperimentales en informática médica" . Revista de la Asociación Estadounidense de Informática Médica . 13 (1): 16– 23. doi : 10.1197/jamia.M1749 . ISSN 1067-5027 . PMC 1380192 . PMID 16221933 .   

Lecturas adicionales

  • Libro de teoría econométrica en Wikibooks
  • Giovannini, Enrico. Comprensión de las estadísticas económicas . OCDE Publishing, 2008, ISBN. 978-92-64-03312-2
  • Kmenta, J. (2025). Econometría: ¿Una ciencia fallida? En Enciclopedia Internacional de Ciencias Estadísticas (pp. 773-776). Springer, Berlín, Heidelberg.
  • Hendry, DF (2000). Econometría: ¿alquimia o ciencia?: ensayos sobre metodología econométrica. OUP Oxford. [ 1 ]
  • Moosa, IA (2017). La econometría como arte de estafa: exponiendo las limitaciones y los abusos de la econometría. Edward Elgar Publishing.
  • Pinto, H. (2011). El papel de la econometría en la ciencia económica: Un ensayo sobre la monopolización de la metodología económica por los métodos econométricos. The Journal of Socio-Economics, 40(4), 436-443.
  • Swann, GP (2006). Poniendo la econometría en su lugar: una nueva dirección en la economía aplicada. Edward Elgar Publishing. [ 2 ]
  • Revista de Econometría Financiera
  • Sociedad Econométrica
  • La Revista de Econometría
  • Enlaces econométricos
  • Enseñanza de la econometría (Índice de la Red de Economía del Reino Unido)
  • Asociación Econométrica Aplicada
  • La Sociedad de Econometría Financiera. Archivado el 17 de noviembre de 2012 en Wayback Machine.
  • Entrevista con Clive Granger, ganador del Premio Nobel en 2003, sobre econometría.
  1. ↑ Hansen, Bruce E. «Metodología: ¿Alquimia o ciencia?». The Economic Journal, vol. 106, n.º 438, 1996, págs. 1398-1413. JSTOR, https://doi.org/10.2307/2235531 . Consultado el 22 de octubre de 2025.
  2. ↑ Adkisson, Richard V. (2008) "Poniendo la econometría en su lugar: una nueva dirección en la economía aplicada". Revista de Economía Social, 127-129. , Vol. 66, No. 1,