Deprecated: ¡La función UM::enqueue ha quedado obsoleta desde la versión 2.7.0! Usa UM()->frontend()->enqueue() en su lugar. in /home/elsoluci/public_html/elsolucionario.me/wp-includes/functions.php on line 6078

Notice: Accessing static property um\frontend\Enqueue::$suffix as non static in /home/elsoluci/public_html/elsolucionario.me/wp-content/plugins/um-user-bookmarks/includes/core/class-bookmark-common.php on line 47

Notice: Undefined property: um\frontend\Enqueue::$suffix in /home/elsoluci/public_html/elsolucionario.me/wp-content/plugins/um-user-bookmarks/includes/core/class-bookmark-common.php on line 47

Deprecated: ¡La función UM::enqueue ha quedado obsoleta desde la versión 2.7.0! Usa UM()->frontend()->enqueue() en su lugar. in /home/elsoluci/public_html/elsolucionario.me/wp-includes/functions.php on line 6078

Notice: Accessing static property um\frontend\Enqueue::$suffix as non static in /home/elsoluci/public_html/elsolucionario.me/wp-content/plugins/um-user-bookmarks/includes/core/class-bookmark-common.php on line 51

Notice: Undefined property: um\frontend\Enqueue::$suffix in /home/elsoluci/public_html/elsolucionario.me/wp-content/plugins/um-user-bookmarks/includes/core/class-bookmark-common.php on line 51

Econometría: Modelos y Pronósticos – Robert S. Pindyck, Daniel L. Rubinfeld – 4ta Edición

Descripción

En el análisis económico de los años recientes se han perfilado cada vez con mayor claridad dos grupos de economistas, definidos y diferenciados en cuanto a su concepción, uso y confiabilidad de los métodos cuantitativos en general, y de la econometría y los modelos macroeconométricos en particular.

Por un lado se encuentran aquellos analistas económicos escépticos del uso de estos modelos y que, por tanto, consideran que los resultados numéricos derivados de ellos son prácticamente inútiles. Lo son -afirman- tanto porque es ocioso tratar de modelar (esquematizar o incluso caricaturizar) una realidad económica compleja, como por el hecho de que los supuestos en los que se basan (la mayoría de las veces) no son reales. En no pocas ocasiones consideran que la econometría se utiliza para probar numéricamente lo que de antemano se sabía o lo que se quería: es la justificación del pretexto.

Pero más grave aún es que consideran que los modelos son elaboraciones idealizadas de la realidad porque se basan en la construcción de paraísos intelectuales, por lo que no pueden ser más que falsaciones premeditadas y, en consecuencia, la aplicación de políticas derivadas de sus enunciados necesariamente conducirá a resultados inadecuados, ajenos y dañinos a la realidad concreta.

Por lo general, refuerzan su rechazo al uso de modelos al resaltar y magnificar la imprecisión de los pronósticos generados por los modelos econométricos e incluso el fracaso de las políticas económicas de las dos últimas décadas, aduciendo que desde que el grupo de tecnócratas (sic) se ha adueñado de los gobiernos y se ha ampliado el uso de modelos, en esa medida han aumentado los fracasos socioeconómicos de naciones enteras.

El primer grupo de economistas es renuente no solo a aceptar la metodología sino también la filosofía de la modelación, por lo que tiende a rechazar el trabajo que realiza el segundo grupo.

Frente a las turbulencias económicas, su percepción del futuro tiende a ser difusa porque en gran medida su comprensión de la realidad económica es esencialmente intuitiva y cualitativa.

La raíz de su rechazo al segundo grupo de economistas puede deberse a los orígenes de su formación académica, que en gran medida estuvo asociada a una posición ideológica contraria al uso de los métodos cuantitativos. Recordemos que durante la década de 1970, muchas de las escuelas públicas de economía de América Latina recibieron una influencia importante de la ideología marxista, la cual consideraba que la utilización de técnicas estadísticas de medición respondía a un enfoque burgués, que -desde su discurso- era por definición erróneo y manipulador. Este primer grupo de economistas consideraba todavía hace poco más de una década que el análisis y el trabajo del economista deberían enfocarse a que el cambio social se dirigiera desde las ciencias sociales, por lo cual los modelos que pretendían analizar y pronosticar el crecimiento económico y la evolución de variables especificas sin tomar en cuenta ese objetivo revolucionario, se constituían en un instrumento de la preservación del modo de producción que había que modificar.

Ver más
  • PARTE 1 LOS FUNDAMENTOS DEL ANÁLISIS DE REGRESIÓN

    1 INTRODUCCIÓN AL MODELO DE REGRESIÓN
    1.1 Ajuste De Curva
    1.2 Derivación De Mínimos Cuadrados
    Apéndice 1.1 El uso del operador sumatoria
    Apéndice 1.2 Derivación de los estimadores de parámetros de mínimos cuadrados

    2 ESTADÍSTICA ELEMENTAL: A REVISIÓN
    2.1 Variables Aleatorias
    2.2 Estimación
    2.3 Propiedades Deseables De Los Estimadores
    2.4 Distribuciones De Probabilidad
    2.5 Prueba De Hipótesis E Intervalos De Confianza
    2.6 Estadística Descriptiva
    Apéndice 2.1 Las propiedades del operador de expectativas
    Apéndice 2.2 Estimación de máxima verosimilitud

    3 EL MODELO DE REGRESIÓN DE DOS VARIABLES
    3.1 El Modelo
    3.2 Mejor Estimación Lineal Insesgada
    3.3 Prueba De Hipótesis E Intervalos De Confianza
    3.4 Análisis De Varianza Y Correlación
    Apéndice 3.1 Varianza del estimador de la pendiente
    de los mínimos cuadrados
    Apéndice 3.2 Algunas propiedades de los residuales de mínimos cuadrados

    4 EL MODELO DE REGRESIÓN MÚLTIPLE
    4.1 El Modelo
    4.2 Estadísticas De Regresión
    4.3 Pruebas F, R2y R2 Corregida
    4.4 Multicolinealidad
    4.5 Coeficientes Estandarizados Y Elasticidades
    4.6 Correlación Parcial Y Regresión Por Etapas
    Apéndice 4.1 Estimación Del Parámetro De Mínimos Cuadrados
    Apéndice 4.2 Coeficientes De Regresión
    Apéndice 4.3 El Modelo De Regresión Múltiple En Forma Matricial

    PARTE 2 MODELOS DE REGRESIÓN DE UNA SOLA ECUACIÓN

    5 USANDO EL MODELO DE REGRESIÓN MÚLTIPLE
    5.1 El Modelo Lineal General
    5.2 Uso De Variables Indicadoras
    5.3 El Uso De Pruebas T Y F Para Hipótesis Que Involucran Más De Un Parámetro
    5.4 Regresiqn Lineal Por Segmentos
    5.5 El Modelo De Regresión Múltiple Con Variables Explicativas Estocásticas
    Apéndice 5.1 Pruebas Que Involucran Coeficientes De Variable Indicadora

    6 CORRELACIÓN SERIAL Y HETEROCEDASTICIDAD
    6.1 Heterocedasticidad
    6.2 Correlación Serial
    Apéndice 6.1 Estimación De Mínimos Cuadrados Generalizados

    7 VARIABLES INSTRUMENTALES Y ESPECIFICACIÓN DEL MODELO
    7.1 Correlación Entre Una Variable Independiente Y El Término Del Error
    7.2 Errores En Las Variables
    7.3 Error De Especificación
    7.4 Diagnóstico De Regresión
    7.5 Pruebas De Especificación
    Apéndice 7.1 Estimación De Variables Instrumentales En Forma De Matricial

    8 PRONÓSTICO CON UN MODELO DE REGRESIÓN DE UNA SOLA ECUACIÓN
    8.1 Pronóstico Incondicional
    8.2 Pronóstico Con Errores Correlacionados En Forma Serial
    8.3 Pronóstico Condicional
    Apéndice 8.1 Pronóstico Con El Modelo De Regresión Múltiple

    9 ESTIMACIÓN DE UNA SOLA ECUACIÓN: TEMAS AVANZADOS
    9.1 Modelos De Rezago Distribuido
    9.2 Pruebas Para Causalidad
    9.3 Observaciones Faltantes
    9.4 El Uso De Datos De Panel
    Apéndice 9.1 Estimación De Intervalos De Confianza Para Elasticidades A Largo Plazo

    10 ESTIMACIÓN NO LINEAL Y DE MÁXIMA VEROSIMILITUD
    10.1 Estimación No Lineal
    10.2 Estimación Por Máxima Verosimilitud
    10.3 Modelos Arch Y Garch
    Apéndice 10.1 Estimación Por El Método De Momentos Generalizado

    11 MODELOS DE ELECCIÓN CUALITATIVA
    11.1 Modelos De Elección Binaria
    11.2 Modelos De Elección Múltiple
    11.3 Modelos De Regresión Censurada
    Apéndice 11.1 Estimación De Máxima Verosimilitud De Los Modelos Logit Y Probit

    PARTE 3 MODELOS DE ECUACIONES MÚLTIPLES

    12 ESTIMACIÓN DE ECUACIONES SIMULTÁNEAS
    12.1 Introducción A Los Modelos De Ecuaciones Simultáneas
    12.2 El Problema De La Identificación
    12.3 Estimación Consistente De Los Parámetros
    12.4 Mínimos Cuadrados De Dos Etapas
    12.5 Estimación De Ecuación Simultánea Con Correlación Serial Y Variables Dependientes Rezagadas
    12.6 Métodos De Estimación Más Avanzados
    Apéndice 12.1 El Problema De La Identificación En Forma Matricial
    Apéndice 12.2 Mínimos Cuadrados De Dos Etapas En Forma Matricial
    Apéndice 12.3 Estimación De Regresión Aparentemente No Relacionada En Forma Matricial

    13 INTRODUCCIÓN A LOS MODELOS DE SIMULACIÓN
    13.1 El Proceso De Simulación
    13.2 Evaluación De Modelos De Simulación
    13.3 Un Ejemplo De Simulación
    13.4 Estimación Del Modelo
    13.5 Modelos No Estructurales: Autorregresiones Vectoriales
    13.6 Modelado Con Datos Limitados

    14 COMPORTAMIENTO DINÁMICO DE LOS MODELOS DE SIMULACIÓN
    14.1 Comportamiento Del Modelo: Estabilidad Y Oscilaciones
    14.2 Comportamiento Del Modelo: Multiplicadores Y Respuesta Dinámica
    14.3 La Función De Respuesta Al Impulso Y Autorregresiones Vectoriales
    14.4 Ajuste De Modelos De Simulación
    14.5 Simulación Estocástica
    Apéndice 14.1 Un Modelo Macroeconómico Pequeño

    PARTE 4 MODELOS DE SERIES DE TIEMPO

    15 SUAVIZAMIENTO Y EXTRAPOLACIÓN DE SERIES DE TIEMPO
    15.1 Modelos De Extrapolación Simple
    15.2 Suavizamiento Y Ajuste Estacional

    16 PROPIEDADES DE LAS SERIES DE TIEMPO ESTOCÁSTICAS
    16.1 Introducción A Los Modelos De Series De Tiempo Estocásticas
    16.2 Caracterización De Series De Tiempo: La Función De Autocorrelación
    16.3 Pruebas Para Caminatas Aleatorias
    16.4 Series De Tiempo Cointegradas
    Apéndice 16.1 La Función De Autocorrelación Para Un Proceso Estacionario

    17 MODELOS LINEALES DE SERIES DE TIEMPO
    17.1 Modelos De Promedio Móvil
    17.2 Modelos Autorregresivos
    17.3 Modelo Mixto Autor Regresivo-Promedio Móvil
    17.4 Procesos No Estacionarios Homogéneos: Modelos Arima
    17.5 Especificación De Modelos Arima
    Apéndice 17.1 Estacionariedad, Invertibilidad Y Homogeneidad

    18 ESTIMACIÓN Y PRONÓSTICO CON MODELOS DE SERIES DE TIEMPO
    18.1 Estimación Del Modelo
    18.2 Verificación Diagnóstica
    18.3 Pronósticos Con Error Cuadrático Medio Mínimo
    18.4 Cálculo De Un Pronóstico
    18.5 El Error De Pronóstico
    18.6 Intervalos De Confianza De Pronósticos
    18.7 Propiedades De Los Pronósticos Arima
    18.8 Dos Ejemplos

    19 APLICACIONES DE LOS MODELOS DE SERIES DE TIEMPO
    19.1 Revisión Del Proceso De Modelado
    19.2 Modelos De Variables Económicas: Inversión En Inventarios
    19.3 Pronóstico De Datos Telefónicos Estacionales
    19.4 Combinación Del Análisis De Regresión Con Un Modelo De Series De Tiempo: Modelos De Función De Transferencia
    19.5 Un Modelo Combinado De Regresión Y Series De Tiempo Para Pronóstico De Flujos De Depósito De Ahorros A Corto Plazo
    19.6 Un Modelo Combinado De Regresión Y Series De Tiempo Para Pronóstico De Tasas De Interés

    Tablas Estadísticas
    Soluciones A Problemas Selectos
  • Citar Libro

Déjanos un comentario

5 comentarios

guest
5 Comentarios
Comentarios en línea
Ver todos los comentarios
5
0
Nos encantaría conocer tu opinión, comenta.x