Lecturas de Teorı́a Monetaria, No 1 (Agosto, 2009 ).
Introducción al Análisis Econométrico∗
Rodrigo F. Aranda
Departamento de Economı́a, Universidad de Santiago de Chile. Av. Bernardo O’Higgins 3363.
c RFA–2009.
Santiago, Chile 725-4758. °
1. Introducción
En términos muy simples, se acostumbra a definir
la Econometrı́a como la aplicación de la estadı́stica
matemática a los datos económicos, con el fin de pro-
porcionar apoyo empı́rico a los modelos construidos por
los economistas matemáticos, y ası́ obtener estimaciones
numéricas. Más concretamente, la Econometrı́a es una
integración entre la teorı́a económica, la matemática
y de la teorı́a clásica de inferencia estadı́stica, para
el desarrollo de métodos y procedimientos estadı́sticos
que permitan contrastar empı́ricamente las diversas
teorı́as económicas; este sentido, la Econometrı́a se com-
pone de un cuerpo teórico en continuo desarrollo para
la posterior aplicación de tales desarrollos a proble-
mas empı́ricos que surgen de las distintas áreas de la
teorı́a económica, expresadas a través de diversas rela-
ciones entre variables (curvas de demanda, funciones
de producción, etc.). El aporte de la matemática no
sólo resulta de la representación formal de las diver-
sas teorı́as en términos de formulas o ecuaciones y de
relaciones funcionales, sino que también de la apli-
cación de métodos matemáticos para el desarrollo de
métodos de estimación; desafortunadamente, estas for-
mas matemáticas son cualitativas y no cuantitativas,
dado que no involucran números o datos (son sim-
ples fórmulas). Finalmente, la estadı́stica tiene una
doble contribución; por un lado, métodos o proced-
imientos para la recolección y procesamiento de los
datos económicos y su posterior expresión en una forma
fácilmente comprensible (economı́a estadı́stica), y por
otro, los procedimientos de inferencia estadı́stica, tanto
clásica como Bayesiana, para darles una forma más
cuantitativa a las ecuaciones. Todo ello con la finali-
dad de:
• Medir tales relaciones, y estimar los parámetros
involucrados;
• Testear las ideas teóricas presentadas en tales
relaciones;
∗ Notas son de uso exclusivo de los alumnos de la asignatura.
No citar ni reproducir sin permiso del autor.
1
• Usar estas relaciones para obtener predicciones o
pronósticos cuantitativos.
A modo de ejemplo, consideremos el problema de la
demanda por dinero. La teorı́a monetaria sugiere que la
demanda de dinero agregada en una economı́a depende
de una variable de escala, como por ejemplo el ingreso
nacional o la riqueza nacional, y de la tasa de interés
(nominal) que representa el costo de oportunidad de
mantener saldos monetarios. Esto es,
m = f (y, i), (1)
donde m es la demanda (stock) real de dinero, y es la
variable de escala medida en términos reales, e i es la
tasa de interés nominal.
Sin embargo la teorı́a nos deja con varias pregun-
tas sin respuesta. Por ejemplo, la teorı́a no nos indica
cómo debemos definir las variables. ¿Debemos adop-
tar una definición restringida de dinero (circulante más
depósitos a la vista) o una más amplia? ¿Qué variable
de escala debemos utilizar? ¿Cuál de las muchas tasas
de interés representa mejor el costo de oportunidad de
mantener dinero?
Por otro lado, la teorı́a nada dice respecto de la forma
funcional precisa en la ecuación (1). Es posible que
asuma una forma lineal simple como
m = α0 + α1 y + α2 i; α1 > 0, α2 < 0, (2)
o una no lineal como
m = Ay β 1 iβ 2 , β 1 > 0, β 2 < 0. (3)
Es posible, en todo caso, que muchas otras formas fun-
cionales no lineales sean compatibles con la información
que proporciona la teorı́a.
Además de lo anterior, la teorı́a nos proporciona sólo
información cualitativa sobre cómo y e i influyen so-
bre la demanda por dinero. Por ejemplo, suponga que
hay un aumento de 5% en la variable de escala y. La
teorı́a sugiere que esto resultará en un aumento en la
demanda por dinero, pero no nos dice en cuánto au-
mentará. En otras palabras, la teorı́a no proporciona
2 Rodrigo F. Aranda
información cuantitativa. Sin embargo, la información
cuantitativa, por ejemplo respecto de las elasticidades
β 1 y β 2 en (3), es de gran importancia en la toma de
decisiones de polı́tica económica.
Finalmente, la teorı́a por lo general se refiere a lo
que los economistas denominamos el largo plazo, dado
que nos concentramos en posiciones de equilibrio. Por
ejemplo, en equilibrio tanto la demanda como la oferta
de dinero deben ser iguales. En esta caso es comple-
tamente justificable usar datos de series de oferta de
dinero para representar la demanda por dinero. Pero el
problema es que el mercado monetario rara vez está en
equilibrio. Si no está en equilibrio ¿es justificable usar
los datos observados de oferta y demanda de dinero para
representar la demandas de dinero tales como (1), (2)
y (3)? En términos generales, la teorı́a económica fre-
cuentemente tiene poco que decir respecto de cómo la
economı́a o los mercados se mueven entre un equilibrio
y otro; es decir, la teorı́a rara vez describe los procesos
de ajuste, aun cuando esto ha tendido a cambiar con los
desarrollos más avanzados en la teorı́a macroeconómica
y monetaria. Desafortunadamente, los datos con que
los econometristas cuenta se refieren a estos procesos
de ajuste y no a situaciones de equilibrio sucesivas.
En mayor o menor medida, la econometrı́a busca dar
respuesta a estas interrogantes que no resuelve la teorı́a.
En particular, busca encontrar estimaciones numéricas
a los parámetros en ecuaciones como (2) y (3). In-
tenta, además, testear algunas de las predicciones dela
teorı́a. Por ejemplo, la teorı́a monetaria esbozada en
(1) implica que las funciones de demanda son indepen-
dientes del nivel de precios. El enfoque econométrico
para testear estas predicciones teóricas implicarı́an la
generalización de las ecuaciones (2) y (3), incorporando
posibles efectos del nivel de precios. Ası́, podrı́amos
modificar (2) para plantear:
m = α0 + α1 y + α2 i + α3 P, (4)
donde P es el nivel general de precios. Sı́ α3 = 0 en-
tonces el nivel de precios no tiene influencia alguna so-
bre la demanda real de dinero. Las técnicas estadı́sticas
utilizadas para estimar los parámetros α1 y α2 se
pueden también usar para obtener una estimación de
α3 ; si esta estimación resulta ser significativamente dis-
tinta de cero (en un sentido estadı́stico que se discutirá
más adelante), entonces se contradice la predicción de
la teorı́a.
Hasta aquı́, la forma en que hemos planteado las
ecuaciones sugieren que las relaciones económicas son
exactas o determinı́sticas. Sin embargo, basta con con-
siderar que el comportamiento de los agentes económicos
nunca es totalmente predecible para concluir que las
relaciones económicas nunca son determinı́sticas. Para
enfrentar esta incertidumbre en la conducta de los
agentes, y otras razones que se plantearán en su debido
momento, la Econometrı́a incorpora un término de per-
turbación aleatorio o error estocástico a las ecuaciones
como (2), tranformándola en:
m = α0 + α1 y + α2 i + ε, (5)
donde ε es el término de perturbación, que puede tomar
valores positivos o negativos. La inclusión de ε en (5)
significa que los mismos niveles de y e i no siempre
resultarán en el mismo valor exacto para la demanda
por dinero m. Existirá una variación completamente
aleatoria en los valores de m, dependiendo del tamaño
y signo de la perturbación.
La existencia de este término de perturbación sig-
nifica que es imposible medir los parámetros α0 , α1
y α2 con exactitud. Es aquı́ donde los métodos es-
tadı́sticos nos ayudan a obtener estimadores más pre-
cisos, aunque nunca serán exáctos. Para hacer de un
modelo económico-matemático un verdadero modelo es-
tadı́stico se necesita ser muy especı́ficos acerca del pro-
ceso (estocástico) mediante el cual se generan los datos;
por ejemplo, si consideramos que los errores son el re-
sultado de variables aleatorias no observadas, entonces
necesitamos especificar las medias y varianzas de dichas
variables y la distribución (de probabilidad) de la cual se
originaron. Dar a los errores una interpretación aleato-
ria convierte a un modelo matemático-económico en
un modelo estadı́stico-probabilistico, que nos entrega
la base para la inferencia estadı́stica, es decir, una base
para la estimación de los parámetros desconocidos y
para la prueba de hipótesis sobre los mismos.
En resumen, los ingredientes básicos son:
(1) Un modelo económico que permita identificar las
variables económicas relevantes y los parámetros
económicos de interés, y que proporcione las bases
para las conclusioes económicas.
(2) Un modelo estadı́stico (modelo econométrico) que
especifique el proceso muestral que genera los
datos e identifique los parámetros desconocidos
que describen el sistema de probabilidades suby-
acente.
(3) Valores observados de las variables que fueron
generados junto con el proceso muestral especi-
ficado para el modelo econométrico.
Pero, ¿cómo usamos la información contenida en
(1), (2), y (3), para obtener información sobre los
Introducción al Análisis Econométrico
parámetros desconocidos que necesitamos para la toma
de decisiones? Supongamos que la teorı́a económica
la podemos expresar implı́citamente en los siguientes
términos:
y = f (x1 , . . . , xk , β 1 , β 2 , . . . , β k , ε),
donde y es la variable de interés a analizar por el
econometrı́sta, x1 , . . . , xk son un conjunto nde variables
que la teorı́a económica indica que están relacionadas
con y; β 1 , β 2 , . . . , β k es un conjunto de parámetros de-
sconocidos que permiten vincular la variable y con las
x0 s en el modelo de economı́a matemática, y ε es el
término de perturbación estocástica. En este contexto,
el objetivo del análisis econométrico es incrementar
el contenido de la parte sistemática o determinı́stica
(parte explicada por las variables que la teorı́a señala
como relacionadas con y), f (x1 , . . . , xk , β 1 , β 2 , . . . , β k ),
y reducir la importancia del componente de error . Gen-
eralmente no existe posibilidad de generar por antici-
pado en un laboratorio o mediante experimentos con-
trolados los datos consistentes con nuestros modelos
económicos y estadı́sticos. Ello significa que trabajamos
bajo la restricción de construir modelos no experimen-
tales con datos económicos que son escasos y de alto
costo para su obtención. En consecuencia debemos ser
muy eficientes en el uso de cualquier información mues-
tral y no muestral que esté disponible. Esta búsqueda
de la eficiencia en el aprendizaje de la información mues-
tral conduce al tópico de la inferencia estadı́stica.
2. Inferencia Estadı́stica
Al discutir el rol de los modelos económicos y es-
tadı́sticos nos hemos concentrado en las relaciones en-
tre variables económicas observadas, tales como pre-
cios, consumo e inversión, y el deseo de obtener infor-
mación sobre los parámetros desconocidos correspon-
dientes, tales como las elasticidades y productividades
marginales. La información sobre dichos parámetros es
útil para entender las relaciones económicas y nos pone
en una posición de poder discriminar entre hipótesis
(teorı́as) alternativas, extraer implicancias económicas,
o para predecir y posiblemente controlar los resultados
de importantes variables económicas. Dado este obje-
tivo y una muestra de datos recolectada consistente con
el proceso muestral descrito en el modelo estadı́stico, el
problema entre manos es encontrar algún procedimiento
para la información muestral para fines de la estimación
de los parámetros e inferencia estadı́stica. Por inferen-
cia se quiere decir que lo que se desea es usar la infor-
mación muestral para inferir algo sobre el mundo real.
3
Por ejemplo, a medida que el precio de un bien au-
menta, ¿en cuánto disminuirá la cantidad demandada?
¿El producto agregado aumenta en una forma lineal o
no lineal cuando aumenta la mano de obra?
Afortunadamente, la teorı́a estadı́stica proporciona
(6) procedimiento o reglas bien definidas para utilizar la
información muestral para obtener estimaciones pun-
tuales (un único valor) de dichos parámetros, para
comprobar la confiabilidad de las estimaciones, y para
testear hipótesis. Tales reglas se basan en las propiedades
de las muestras utilizadas y en las distribuciones mues-
trales asociadas. Ası́, las estimaciones puntuales y sus
correspondientes confiabilidades pueden expresarse me-
diante estimaciones por intervalos. También es posible
comprobar la compatibilidad de los datos con nuestras
conjeturas mediante test de hipótesis.
También, dado que existen varias formas (reglas)
para usar un conjunto de datos, la teorı́a estadı́stica
entrega una base para comparar procedimientos de es-
timación. Por ejemplo, ¿es la regla de estimación inses-
gada, esto es, en promedio le apuntan al objetivo o es la
confiabilidad de una regla de estimación superior a otra?
Además, si al desconocimiento de los parámetros le aso-
ciamos una pérdida, ¿entonces una regla de estimación
minimiza la pérdida promedio o minimiza la máxima
pérdida posible? Dado que la información muestral es
escasa y costosa, la teorı́a estadı́stica sugiere proced-
imientos que nos permiten combinar y usar tanto in-
formación muestral como otro tipo de información no
muestral en el proceso de estimación y de realizar infer-
encias acerca de parámetros desconocidos. En resumen,
la teorı́a estadı́stica posibilita el uso de información
muestral para pasar desde los parámetros teóricos en
los modelos económicos y estadı́sticos a sus contrapartes
empı́ricos, y para hacer declaraciones probabilı́sticas en
relación a posibles resultados.
El paquete completo (teorı́a económica, más un mod-
elo económico, un modelo estadı́stico, la información
muestral y la teorı́a estadı́stica) es lo que define a la
econometrı́a y sienta las bases para la medición en
economı́a, y la posibilidad de entender, predecir, y de
tener algún control sobre los procesos económicos y las
instituciones.
3. Muestreo Aleatorio
Una muestra de n observaciones para una (o más)
variable(s), x1 , . . . , xn , es una muestra aleatoria, sı́ las
n observaciones son extraı́das de manera independiente
de la misma población o distribución de probabilidad,
f (xi ; θ), donde θ es el vector de parámetros que per-
4 Rodrigo F. Aranda
miten describir el comportamiento de la población. En
este caso, se dice que la secuencia de observaciones
{xi }ni=1 está idéntica e independientemente distribuida.
En la función de densidad, el vector θ contiene uno o
más parámetros desconocidos, de interés para el inves-
tigador, que deben ser estimados a partir de la muestra.
Nótese que si el proceso de muestreo se considera
como un experimento estadı́stico, la obtención de una
muestra aleatoria no tiene por qué coincidir con la que
se obtendrı́a si el ejercicio de extracción se repitiera
una vez más, dado precisamente el carácter aleatorio
del proceso.
Los datos que componen la muestra pueden ser de
los siguientes tipos:
1. Datos de Sección Cruzada o de Corte Transver-
sal (Cross-Section), en donde se obtiene un cierto
número de observaciones de distintos elementos
medibles, todas ellas referidas al mismo perı́odo o
intervalo de tiempo, pero correspondiendo a dis-
tintas unidades económicas o de decisión. Por
ejemplo, los puntajes de ingreso de los alumnos
de las distintas carreras que imparte una Univer-
sidad, en el año 2005. Otro ejemplo corresponde
a los distintos niveles de ingreso familiar de cada
uno de los alumnos ingresados en el mismo año.
2. Datos de Series de Tiempo (Time Series), que cor-
responden a un conjunto de datos generados por
un único elemento medible a lo largo de distin-
tos perı́odos o intervalos de tiempo, regulares o
no, con cierta distribución de probabilidad. Por
ejemplo, los datos correspondiente al ı́ndice de
precios al consumidor, con una periodicidad men-
sual, desde 1980 hasta el 2005.
3. Datos de Panel (Panel Data), que corresponden a
una combinación de datos de corte transversal y
de series de tiempo, en que el número de observa-
ciones de corte transversal es generalmente muy
superior a las observaciones de series de tiempo.
4. Análisis de Regresión y Causalidad
Teniendo como origen la Ley de Regresión Universal
de Francis Galton, el análisis de regresión estudia la
dependencia de la variable dependiente respecto de una
o más variables (explicativas o independientes), con el
objetivo de estimar y/o predecir (pronosticar) la media
condicional o valor promedio poblacional de la variable
dependiente, en términos de los valores conocidos o fijos
(en muestras repetidas) de las variables independientes
(Gujarati, 2004).
Como se señaló antes, el modelo económico-estadı́stico,
o sı́mplemente modelo econométrico, plantea una relación
entre variables para una población determinada. Esto
lo resumimos en:
y = f (x1 , . . . , xk , β 1 , β 2 , . . . , β k , ε).
Dado que sı́ ε es una variable aleatoria, ésta puede
tomar cualquier valor de entre todos los valores posi-
bles que su distribución de probabilidad permite. Por
ejemplo, sı́ ε se distribuye como normal, el rango posi-
ble de valores que puede asumir se mueve entre −∞
y +∞. Esto significa, como se ha señalado, que para
valores fijos de las variables independientes, es posible
obtener más de un valor probable para y, dado que y
también depende de ε. Más aún, la distribución de
probabilidad que caracteriza a y será la misma que la
distribución de probabilidad de ε. Dado esto, estare-
mos interesados en analizar la media o valor promedio
que la variable y toma en la población, dada la infor-
mación de las variables independientes, y no algún valor
particular que esta tome para un ε dado, sı́mplemente
porque este último es completamente aleatorio. Esto
nos permitirá concentrarnos en la parte determinı́stica
del modelo económico-estadı́stico, que es la única parte
para la cual tenemos información. Por ejemplo, sı́ con-
sideramos la expresión en la ecuación (5) y asumiendo
que la media o valor esperado de la perturbación es-
tocástica es cero, la parte determinı́stica de la ecuación
para la demanda de dinero es:
E(m |y, i ) = α0 + α1 y + α2 i. (7)
Obviamente, los valores que efectivamente toma la vari-
able m se distribuirán aleatoriamente en torno a esta
linea recta definida por (7). Dada la forma en que se
plantea esta ecuación, o en términos más generales la
relación entre la expectativa condicional de y dados los
valores para las x0 s, ésta recibe el nombre de Ecuación
de Regresión o Recta de Regresión.
Una vez más, el propósito del análisis econométrico
será estimar los parámetros poblacionales, a partir del
uso de información muestral, con el fin de realizar in-
ferencias sobre el comportamiento de la variable depen-
diente en la población.
Un punto importante de destacar, y que muchas ve-
ces conduce a error, es la implicancia que ecuaciones
como (6) ó (7) plantean en términos de las relaciones
entre variables. Algunos no iniciados en el análisis
econométricos, e incluso algunos que ya han estudiado
Introducción al Análisis Econométrico
algo de esta disciplina, señalan que la relación que se
da entre las variables en ambas ecuaciones es de causal-
idad; es decir, las variables del lado izquierdo causan a la
variable del lado derecho. Esta visión es completamente
errada; la forma correcta de interpretar la relación entre
las variables de ambas ecuaciones es en términos de de-
pendencia, no de causalidad: la existencia de dependen-
cia entre variables no implica necesariamente causali-
dad. No importa qué tan fuerte y sugestiva sea una
relación estadı́stica, esta nunca podrá establecer una
conexión causal (Gujarati, 2004); la única forma de
plantear relaciones de causalidad es recurriendo a con-
sideraciones teóricas o a priori. Es decir, la única que
nos puede indicar relaciones de causalidad entre vari-
ables es la propia teorı́a económica, no el plantemiento
econométrico.
Lo anterior es sumamente importante cuando se con-
sidera, además, la relación entre regresión y correlación.
La correlación entre variables no es signo alguno de
causalidad entre ellas, sino más bien la manifestación
de algún grado de asociación lineal entre las mismas,
que se acostumbra a medir por el coeficiente de cor-
relación. Se debe señalar que, a pesar de la importancia
que una alta correlación entre variables pueda tener, el
análisis de regresión no está preocupado de este tipo de
medición, sino que más bien en estimar o predecir el
valor promedio de una variable en base a valores fijos
de otras variables.
Lo anterior, junto al hecho que el análisis de cor-
relación considera que las variables son igualmente aleato-
rias y tratadas en forma simétrica, a diferencia del
análisis de regresión en que las variables son tratadas
asimétricamente (dependiente versus independientes) y
no son todas aleatorias (sólo lo son la variable dependi-
ente y el término de perturbación estocástico), indican
claramente que el análisis de regresión no es lo mismo
que el análisis de correlación.
5. El proceso del Análisis Econométrico
El siguiente listado resume los principales pasos del
análisis econométrico.
1. Todo parte con un problema - la falta de infor-
mación o incertidumbre sobre algún resultado o
una interrogante que incluye un ¿qué pasa si...?
2. La teorı́a económica proporciona una forma de
pensar en los problemas: ¿qué variables están
involucradas y cuál es la posible dirección de la
relación? ¿ Cómo podemos usar nueva infor-
mación si la tuvieramos?
5
3. Esta información es luego ordenada en términos
de un modelo económico de trabajo que lista los
supuestos subyacentes y forma la base para la ab-
stracción experimental. Se plantean las hipótesis
de interés.
4. El modelo económico de trabajo conduce a un
modelo estadı́stico que describe el proceso me-
diante el cual las observaciones muestrales y las
ecuaciones de error se consideran generadas, la
clasificación de las variables, y la forma funcional
de las relaciones propuestas.
5. Se generan u obtienen observaciones muestrales
que sean consistentes con el modelo económico
y con los componentes aleatorios del modelo es-
tadı́stico.
6. Dado el modelo estadı́stico y las observaciones
muestrales, se selecciona o desarrolla una regla o
método de estimación que tenga buenas propiedades
estadı́stica, tales como insesgamiento y/o menor
variabilidad o alta precisión.
7. Se obtiene estimaciones puntuales o por intervalo
de los parámetros desconocidos, con la ayuda de
algún software estadı́stico (como Stata, S-Plus o
SPSS,); matricial (como por ejemplo, Matlab) o
econométrico (tales como Eviews, Rats, Limdep).
Se implementan los pruebas de hipótesis apropi-
adas.
8. Las consecuencias económicas y estadı́sticas y las
implicancias de los resultados empı́ricos son anal-
izados y evaluados. Por ejemplo, se examina la
significancia estadı́stica de las variables del lado
derecho, lo apropiado de los supuestos sobre el
término de error, etc.
9. Si la consistencia entre los modelos económico
y estadı́stico y la muestra de datos no se logra,
¿cuáles son los potenciales problemas que ello con-
lleva y cuales son las sugerencias para futuros
análisis y evaluaciones? Por ejemplo, ¿los datos
utilizados eran los correctos considerando las in-
terrogantes planteadas? ¿las variables fueron cor-
rectamente clasificadas y aparecı́an con el timing
adecuado? ¿ Debió haberse incluido no lineali-
dades en el modelo, tanto en las variables como
en los parámetros?
6 Rodrigo F. Aranda

6. Elementos de Estadı́stica puede saber mucho. De hecho, si fueramos capaces de

manejar los problemas de la variabilidad muestral, en-
Toda vez que deseemos observar o investigar un tonces es necesario que las muestras sean aleatorias.
fenómeno o una variable, existen dos tipos básicos de
En términos simples, una muestra de tamaño n es
fuentes de datos que se pueden usar:
aleatoria sı́ cada combinación de los n items o miem-
bros en la población tiene igual oportunidad de trans-
1. Podemos tener acceso a la población; es decir, ac- formarse en la muestra efectivamente extraı́da. Por
ceder a todas las posibles observaciones, pasadas, supuesto, extraer una muestra aleatoria no es algo sim-
presentes y futuras, de la o las variables de in- ple, y requiere de cierta experiencia y conocimientos.
terés. Por ejemplo, si nuestra variable de interés No obstante, para los propósitos de esta asignatura
fueran los ingresos en la primera semana de sep- haremos abstracción de estos problemas, y asumiremos
tiembre de 2005 para un trabajador adulto en la heróicamente que todas las muestras con las que traba-
industria del calzado en Santiago, y tenemos ac- jemos se han extraı́do aleatoriamente.
ceso a una encuesta de tales ingresos, entonces
estarı́amos tratando con la población de observa- 6.1. Estadı́sticos Descriptivos
ciones para esta variable.
Corresponden a una serie de número cuya finalidad
2. Desafortunadamente, no siempre tenemos acceso es describir la distribución de probabilidad de los datos.
a la población (puede que no exista una encuesta Entre estos tenemos:
de ingresos para Santiago). En tales circunstan-
cias debemos operar con una muestra de obser- Estadı́sticos de Tendencia Central
vaciones para nuestra variable; es decir, datos de
los ingresos semanales de 100 trabajadores efecti- • Media, que corresponde a
vamente encuestados. La muestra es el segundo
n
tipo de fuente de datos que podemos encontrar; 1X
x= xi .
los estadı́sticos habitualmente disponen sólo de n i=1
muestras de datos. Sobre la base de las mues-
tras, deben deducir o inferir hechos acerca de la
• Mediana, que corresponde a
población a partir de la cual se ha extraı́do la
muestra. Este proceso se conoce como inferencia m = valor de la posición central de la muestra.
estadı́stica.
• Amplitud muestral, definida como
La inferencia estadı́stica tiene como propósito fun-
damental el uso de los principios de la estadı́stica 1
matemática para combinar las distribuciones teóricas am = (máximo − mı́nimo).
2
y las observaciones, en un modelo empı́rico sobre la
economı́a. Como tal, hace uso de todo el instru- Estadı́sticos de Dispersión
mental estadı́stico para en análisis de los fenómenos
económicos. Puesto de otra manera, la teorı́a clásica • Desviación estándar, dada por
de la inferencia estadı́stica se centra en un conjunto de ∙ Pn ¸2
reglas que permiten usar a información contenida en − x)2
i=1 (xi
sx = .
los datos muestrales, de manera eficaz. Tales reglas se n−1
basan en las propiedades de las muestras utilizadas y
de las distribuciones muestrales asociadas. • Covarianza, que corresponde a
Un problema importante en todos los análisis de in- ∙ Pn ¸2
ferencia estadı́stica es lo que se denomina la variabilidad i=1 (xi − x)(yi − y)
sxy = .
muestral (sampling variability). Esto significa que difer- n−1
entes muestas pueden dar lugar a diferentes resultados,
y los resultados que se obtengan con ellas dependerán de • Coeficiente de Correlación, definido por
la forma en que éstas fueron extraı́das. Pero si las mues-
tras se extraen de una manera particular, la variabilidad sxy
rxy = .
muestral seguirá un patrón sistemático sobre el cual se sx sy
Introducción al Análisis Econométrico 7

Además, se puede demostrar que forma en que se ha descrito; es decir, extrayendo una
Pn gran cantidad de muestras aleatorias de una población.
2 2
i=1 xi − nx Normalmente contamos con una única muestra. Afortu-
s2x = ;
n−1 nadamente, es posible decir mucho sobre la distribución
Pn
i=1 xi yi − nxy muestral de la media sin la necesidad de tomar más
sxy = ; de una muestra. Para ello hacemos uso de nuestro
n−1
−1 ≤ rxy ≤ 1; conocimiento sobre valores esperados y varianzas de
sax = |a| sx ; variables aleatorias, para derivar las expresiones de la
media y la varianza de la distribución muestral.
sx,by = |ab| sxy, y
Un teorema que ayuda bastante es el siguiente:
ab
rax,by = rxy , a, b 6= 0.
|ab| Teorema 1. Distribución Muestral de la Media:
Si x1, x2 , . . . , xn son observaciones de una mues-
6.2. Distribución Muestral de la Media
tra aleatoria extraı́da de una población de media
Las medidas anteriores resumen una muestra aleato- μ y de varianza σ 2 , entonces x es una variable
ria. Cada una de ellas tiene una contraparte pobla- aleatoria de media μ y varianza σ 2 /n.
cional, esto es, basada en la distribución a partir de
la cual se han generado los datos; en otras palabras, B Dem.: De la definición de media muestral,
los valores muestrales se corresponden con esperanzas n n
1X 1X
poblacionales. Definamos lo que entenderemos por un x = xi ⇒ E(x) = E(xi )
”estadı́stico”: n i=1 n i=1
n
1X
Definición 1. Estadı́stico: Es cualquier función que = μ = μ.
n i=1
se calcula a partir de los datos contenidos en una
muestra. Además, si las observaciones son independientes,
entonces
Si se extrae otra muestra bajo las mismas condi-
X n
ciones, se obtendrán valores diferentes a partir de las 1
observaciones, puesto que cada muestra es una variable var(x) = var( xi )
n2 i=1
aleatoria. Esto implica que el estadı́stico también es una n n
variable aleatoria, y tiene su propia función de proba- 1 X 1 X 2
= var(xi ) = σ
bilidad: la distribución muestral. n2 i=1 n2 i=1
Suponga, entonces, que se extrae de esta población σ2
una gran cantidad de muestras aleatorias de igual tamaño = . C
n
n, cada una de las cuales tiene
P su propia media mues-
tral calculada como x = n1 ni=1 xi . Esto significa que La distribución muestral se utiliza para realizar in-
una media particular, digamos x0 puede repetirse o no ferencias sobre la población, bajo la premisa de que la
en varias muestras, por lo que tiene asociada una cierta muestra reproduce el comportamiento de la población.
frecuencia. Entonces, dado que se han tomado muchas
Este teorema permite señalar tres cosas respecto de
muestras, las frecuencias relativas pueden considerarse
la distribución muestral de x obtenida cuando se toman
como probabilidades de ocurrencia para las medias.
muchas muestras, todas de tamaño n, a partir de una
Por ejemplo, podrı́amos decir que Pr(x = x0 ) = 0.18.
población dada:
Luego, será posible construir una distribución de prob-
abilidad para x.
1. El teorema establece que sı́ calculamos E(x), el
La función de probabilidad para x se conoce como promedio de los x obtenido de las muchas mues-
distribución muestral de la media de una variable aleato- tras, encontraremos que es igual a μ, la media de
ria de tamaño n. Las distribuciones muestrales de este los x0 s en la población.
tipo son de crucial importancia en la inferencia es-
tadı́stica. 2. También establece que la variabilidad en las x0 s
2
En la práctica, sin embargo, rara vez las distribu- (medida por V ar(x) = σn ) depende de dos fac-
ciones muestrales se construyen empı́ricamente en la tores:
8 Rodrigo F. Aranda
(a) El tamaño de la muestra, n: mientras mayor
sea el tamaño muestral, menor será la vari-
abilidad obtenida para los x0 s. En el ex-
tremo, sı́ n → ∞, V ar(x) → 0.
2 0
(b) La variabilidad (medida por σ ) de los x s
en la población: mientras mayor sea σ 2 en la
población original, mayor será la variabilidad
de los x0 s que se obtenga a partir de muchas
muestras.
3. Sı́ la población de la cual se extraen las muestras
es normal, con media μ y varianza σ 2 - esto es, x ∼
N (μ, σ 2 ) - entonces, dado que x es una función
lineal de los xi , x también se distribuirá como
2
una normal con media μ pero varianza igual a σn .
Esto es,
σ2
Sı́ x ∼ N (μ, σ 2 ) ⇒ x ∼ N (μ, ). (8)
n
Consideremos el siguiente ejemplo. Supongamos que
el ingreso semanal de los trabajadores del calzado es
en promedio de $560, con una desviación estándar de
$12. Podemos asumir que los ingresos semanales se
distribuyen como una normal. Sı́ se extrae de esta
población una muestra aleatoria de 100 trabajadores,
¿cuál es la probabilidad de que el ingreso medio sem-
anal en la muestra sea mayor que $562?
Para responder esto, sea x el ingreso de un tra-
bajador individual; entonces, necesitamos obtener la
Pr(x > 562), dado que x ∼ N (560, 144). Usando el
2
teorema 1, E(x) = μ = 562 y V ar(x) = σn = 1.44; esto
es, x ∼ N (560, 1.44). A continuación transformamos
x en una distribución normal estándar, definiendo la
variable Z como:
x − 560
z= ; 1500 observaciones diárias.
1.44
z tiene una distribución N (0, 1), por lo que:
µ ¶
x − 560 562 − 560
Pr(x > 562) = Pr >
1.44 1.44
= Pr(z > 1.67) = 1 − Pr(z < 1.67) = 0.0475,
donde el último valor se obtiene de las tablas de la dis-
tribución normal estandarizada. En consecuencia, la
probabilidad de obtener una media muestral mayor que
$562 es bastante baja (alrededor de 4%).
Nótese que para realizar este ejercicio simple no sólo
nos hemos basado en el teorema 1, sino que también en
el supuesto de distribución normal. Si no consideramos
este último supuesto, ¿podremos utilizar las tablas de
la distribución normal estándar? La respuesta a esta
pregunta se encuentra en el siguiente teorema:
Teorema 2. Teorema Central del Lı́mite: Si x1 ,
x2 , . . ., xn son observaciones de una variable
aleatoria procedente de una distribución de prob-
2
abilidad con Pnmedia finita μ y varianza finita σ , y
si xn = n1 i=1 xi , entonces,
√ d
n(xn − μ) → N (0, σ 2 )
independiente de cuál sea la distribución inicial,
d
donde → significa convergencia en distribución.
En otras palabras, sı́ seleccionamos aleatoriamente
muestras grandes a partir de una población con
media μ y varianza σ2 , entonces la media muestral
se distribuirá aproximadamente como una normal
2
con media E(x) = μ y varianza V ar(x) = σn , in-
dependientemente de cuál sea la forma de la dis-
tribución de la población original.
B Dem.: Fuera del alcance de estas notas. C
Este teorema establece que, con tal que las mues-
tras sean lo suficientemente grandes, entonces aun sı́
la población no se distribuye como una normal, la dis-
tribución muestral de la media puede igualmente ser
aproximada por la distribución normal. Es más, mien-
tras más grandes sean las muestras tomadas, más cer-
cana es la aproximación. Nótese, en todo caso, que no
hay una distinsión clara entre lo que es ”grande” y lo
que es ”pequeña”. Esta distinsión dependerá del tipo
de problema que se esté analizando y de la periodicidad
de las observaciones; por ejemplo, a nivel macro, una
muestra de 30 ó 40 observaciones puede ser considerada
como grande, mientras que si usamos datos financieros
una muestra será considerada grande cuando supere las
7. Estimación de los Parámetros
Poblacionales
En el ejemplo anterior los parámetros poblacionales
eran conocidos, lo que permitió usar el teorema 1 para
obtener la probabilidad asociada a la media muestral.
En la práctica lo común es que los parámetros pobla-
cionales sean desconocidos y que debamos usar la in-
formación muestral para realizar inferencias sobre ellos.
La inferencia estadı́stica se divide en dos grandes áreas:
la estimación y el testeo de hipótesis. En esta sección
discutiremos brevemente la estimación de parámetros;
el testeo de hipótesis de interés se dejará para fu-
turas sesiones directamente relacionadas con el análisis
Introducción al Análisis Econométrico
econométrico.
El objetivo de la estimación de parámetros es uti-
lizar los datos muestrales para inferir el valor de un
parámetro individual θi , o de un vector de parámetros θ.
Existen dos formas de estimar parámetros poblacionales
desconocidos. La primera consiste en obtener un único
valor numérico o estimación puntual; la segunda con-
siste en especificar un rango o intervalo dentro del cual
tenemos confianza (en términos estadı́sticos) de que se
encuentra el veradero parámetro poblacional; es decir,
una estimación por intervalo.
En este punto es preciso considerar las siguientes
definiciones.
Definición 1. Estimador: Un estimador es una regla
o estrategia para utilizar los datos muestrales
con el fin de estimar cierto parámetro o con-
junto de parámetros. Tal regla está definida antes
que los datos se generen, y se expresa como una
fórmula matemática.También se le conoce como
estadı́stico.
Definición 2. Estimación: Corresponde al valor es-
pecı́fico que resulta de reemplazar en la fórmula
del estimador, los valores muestrales.
Un estimador puntual es un estadı́stico calculado a
partir de la muestra, que pretende ser una aproximación
del parámetro poblacional θi ó θ, respectivamente. El
error estándar del estimador es la desviación estándar
de la distribución muestral del estadı́stico. Como se
señaló, la estimación puntual consiste en obtener un
valor único para la estimacı́on del parámetro pobla-
cional. Para esto usamos la muestra de datos, más un
método o procedimiento de estimación.
En otras palabras, un estimador es una fórmula que
nos dice cómo calcular el valor de una estimación,
basándonos en las medidas contenidas en la muestra.
Supongamos, por ejemplo, que deseamos estimar la ver-
dadera media (poblacional), μ, de una variable aleato-
ria y, de una muestra, yi , i = 1, 2, .., n. UnPposible
n diferentes intervalos de estimación de muestra en mues-
estimador es la media muestral μ b = y = n1 i=1 yi ,
fórmula que nos dice que debemos sumar las observa-
ciones muestrales y dividir el resultado por el tamaño
muestral n.
Es posible utilizar diferentes estimadores para un
mismo parámetro poblacional. Por ejemplo, aparte de
la media muestral, μ b = y, podrı́amos utilizar la me-
diana, m, b o la primera observación muestral, como
estimadores del verdadero parámetro poblacional μ.
9
¿Cómo podemos elegir entre estimadores? Algunos esti-
madores son buenos y otros son malos; entonces, ¿cómo
podemos establecer criterios de bondad para comparar
entre estimadores? Evidentemente, no podemos evaluar
la bondad de un estimador en función sólo de una única
estimación. Debemos observar los resultados cuando el
procedimiento de estimación es utilizado muchas veces.
Entonces, evaluamos la bondad de un estimador, con-
struyendo una distribución de probabilidad de los val-
ores de las estimaciones obtenidas en muestreos repeti-
dos, y notamos cuán cerca se ubica esta distribución en
torno al parámetro objetivo.
Dos criterios habitualmente considerados para juzgar
la bondad de un estimador son el sesgo y la precisión
del del estimador. En general diremos que un buen
estimador es insesgado; esto es, sı́ E(θ) = θ; lo que
significa que, en promedio, el estimador proporciona el
verdadero valor del parámetro. Si definimos el sesgo
del estimador como B(θ) = E(θ) − θ, entonces diremos
que sı́ B(θ) > 0, el estimador está sesgado hacia arriba
(E(θ) > θ); esto es, el estimador sistemáticamente so-
bre estima al verdadero parámetro poblacional. Por su
parte, sı́ B(θ) < 0, el estimador está sesgado hacia abajo
(E(θ) < θ); esto es, el estimador sistemáticamente
subestima al verdadero parámetro poblacional.
Respecto de la precisión, diremos que entre los es-
timadores insesgados, preferiremos a aquellos con la
menor varianza, debido a que una menor varianza
garantiza que, en muestras repetidas, una alta fracción
de los valores de bθ (estimaciones) estén cercanos a θ.
Por su parte, un estimador por intervalo es una regla
que especifica el método para utilizar la información
muestral para calcular dos puntos terminales que de-
finen un intervalo que supuestamente incluye al ver-
dadero parámetro poblacional. Este estimador por in-
tervalo define lo que se conoce como intervalo de es-
timación, que es un rango de valores que contienen al
verdadero parámetro poblacional, con una cierta prob-
abilidad predeterminada. Los puntos terminales del
intervalo, siendo funciones de los valores muestrales,
variarán aleatoriamente de muestra en muestra. Es de-
cir, sı́ tomamos muchas muestras, estaremos generando
tra. En otras palabras, los puntos terminales de los
intervalos también son variables aleatorias, por lo que
el estimador por intervalo es aleatorio. El objetivo debe
ser, entonces, encontrar un estimador por intervalo que
sea capaz de generar intervalos estrechos que tengan
una alta probabilidad de incluir al verdadero parámetro
poblacional.
Los estimadores por intervalos también se conocen
10 Rodrigo F. Aranda

como intervalos de confianza. La probabilidad de que muestral es θ; esto es,

un intervalo de confianza incluya a θ recibe el nombre
de coeficiente de confianza o nivel de confianza (con-
vencionalmente fijado en 95%). Este nivel de confianza
identifica la fracción de las veces (por ejemplo, 95% de
las veces), en muestras repetidas, que el intervalo con-
struido contendrá al verdadero parámetro poblacional
θ. Esto es, si tomamos 100 muestras aleatorias, es-
peramos que el en 95 de ellas el verdadero parámetro
poblacional se encuentre dentro del intervalo calculado
(y no se encuentre dentro del intervalo en 5 de ellas).
Si sabemos que el nivel de confianza asociado con nue-
stro estimador es alto (digamos 95%), podemos estar
bastante confiados (95% confiados) en que cualquier in-
tervalo de confianza construido al utilizar los resultados
de una única muestra, incluirá a θ. Ası́, si suponemos
que bθI y b
θS son las cotas inferiores y superiores para el
parámetro θ, entonces
θI ≤ θ ≤ b
Pr(b θS ) = 1 − α
E(b
θ) = θ
o alternativamente, cuando:
h i
E(b
θ − θ) = sesgo b
θ /θ = 0,
lo que implica que b
θ es insesgado (no tiene sesgo).
Esto además implica que la esperanza del error
muestral en el que se incurre al considerar el esti-
mador en lugar del verdadero parámetro, es cero.
La insesgadez es una propiedad deseable de los esti-
madores, pero rara vez es usado como criterio único de
selección de posibles estimadores. Una de las razones es
que hay muchos estimadores que son insesgados, pero
que son poco representativos de la muestra. Un segundo
criterio útil para elegir entre estimadores insesgados es
el de eficiencia.

es el intervalo de confianza al (1−α)% para el parámetro Definición 4. Estimador Insesgado Eficiente: Un

θ; (1 − α) es el nivel de confianza, mientras que α es el
nivel de significancia.
7.1. Propiedades de los Estimadores
Dado que puede haber una enorme cantidad de esti-
madores, dependiendo del procedimiento utilizado para
su formulación, la búsqueda de buenos estimadores es,
en muchas ocasiones, el objetivo del análisis econométrico.
Estos estimadores se comparan a partir de una variedad
de atributos o propiedades, tales como insesgamiento,
mı́nima varianza, etc., las que dependen del tamaño de
la muestra bajo consideración. Al respecto se tiene:
• Propiedades de muestras pequeñas, que son atrib-
utos que pueden ser comparados independiente-
mente del tamaño de la muestra, mientras ésta
sea contable en un sentido de medición;
• Propiedeades de muestras infinitas o asintóticas,
que corresponden a atributos que presentan los
estimadores cuando el tamaño muestral se hace
arbitrariamente grande.
Discutamos brevemente cada una de estas propiedades:
7.1.1. Propiedades en Muestras Pequeñas Las
siguientes son algunas propiedades de interés para los
estimadores de los parámetros poblacionales cuando se
utilizan muestras pequeñas o finitas.
Definición 3. Estimador Insesgado: Un estimador
de θ es insesgado, si la media de su distribución
estimador insesgado bθ1 es más eficiente que otro
estimador insesgado b
θ2 , si la varianza muestral de
b
θ1 es menor que la varianza muestral de b θ2 ; es
decir,
var(b
θ1 ) < var(b θ2 ).
Partiendo de este criterio, es fácil concluir que la me-
dia muestral será claramente preferida a a la primera
observación de una muestra, puesto que si σ 2 es la var-
2
ianza poblacional, entonces var(x1 ) = σ 2 y var(x) σn .
Hasta este punto la discusión ha estado centrada sólo
en los estimadores insesgados. Pero existen estimadores
sesgados que tienen una menor varianza que los inses-
gados: por ejemplo, las constantes tienen varianza cero.
Si nos concentramos exclusivamente en la insesgadez, se
debe excluir, por ejemplo, a aquellos estimadores que
tienen un sesgo tolerable y una varianza muy pequeña.
Un criterio que tiene en cuenta esta posibilidad de acep-
tar cierto grado de sesgo a cambio de una varianza muy
pequeña, es el error cuadrático medio.
Definición 5. Error Cuadrático Medio: Se define
como:
h i
ECM = E (b θ − θ)2
= var(b
θ) + sesgo(b
θ)sesgo(b
θ)0 ,
donde θ es un vector de parámetros. En el
caso que θ sea un escalar, ECM = var(bθ) +
h i2
b
sesgo(θ) .
Introducción al Análisis Econométrico 11

Desafortunadamente, el criterio del ECM es pocas entonces:

veces operativo: los estimadores de ECM mı́nimo,
∂ ln L 1
P
n
cuando existen, normalmente dependen de parámetos ∂μ = σ2 (xi − μ);
desconocidos. En consecuencia, el criterio a utilizar es i=1
∂ ln L
P
n
insesgadez y mı́nima varianza. ∂σ 2 = − σn2 + 1
2σ 4 (xi − μ)2 ;
i=1
Estimación insesgada eficiente Sea f (xi , θ) la ∂ 2 ln L
∂μ2 = − σn2 ;
función de densidad de cada observación extraida de P
n
∂ 2 ln L
una muestra aleatoria. Como las n observaciones son ∂(σ 2 )2 = − 2σn4 − 1
σ6 (xi − μ)2 ;
independientes, entonces su densidad conjunta es: i=1
∂ 2 ln L
P
n
∂μ∂σ 2 = − σ14 (xi − μ)2 .
i=1
f (x1, x2 , . . . , xn , θ) = f (x1 , θ)f (x2 , θ) · · · f (xn , θ)
Luego, ∙ ¸
n
Y n
2 σ2 0
= f (xi , θ) = L( θ| x1, x2 , . . . , xn ) I(μ, σ ) = n ,
0 2σ 4
i=1
y la cota de Cramér-Rao para la varianza de los es-
donde L( θ| x) se conoce como la función de verosimil- timadores insesgados de μ y σ 2 , en una distribución
itud de θ dado el vector de datos x. Por ejemplo,, si normal, es:
los x1, x2 , . . . , xn provienen de una distribución expo-
" 2 #
nencial, entonces, £ ¤ σ
2 −1 n 0
I(μ, σ ) = 4 .
n
P
n 0 2σn
Y n
−θ xi
−θxi
L( θ| x) = L(θ) = θe =θ e i=1 ,
i=1 Nótese que la matriz I(., .)−1 es diagonal, resultado
que se cumple para la distribución normal, pero es poco
y si los x1, x2 , . . . , xn provienen de una distribución nor- frecuente. Por otro lado, si μ byσ b2 son dos estimadores
mal, entonces: de μ y σ 2 , y Ω es su matriz de covarianzas de orden 2×2,
£ ¤−1
entonces Ω − I(μ, σ 2 ) es una matriz semidefinida
n
Y ¡ ¢− 1 2 positiva; esto es, una matriz del tipo x0 Ax > 0, ∀x
2πσ 2 2 e−[ 2σ2 ][(xi −μ)]
1
L(θ) =
distinto de cero.
i=1
 n  En la mayorı́a de los contextos aplicados, existe una
S
¡ ¢
2 −n/2
−[ 2σ12 ] (xi −μ)2
= 2πσ e i=1 gran variedad de estimadores disponibles. La utilidad
de la cota de Cramér-Rao es que si se sabe que uno de
los estimadores alcanza dicha cota para la varianza, no
La función de verosimilitud es clave en la discusión
es necesario buscar otro estimador más eficiente.
teórica sobre la estimación de parámetros.
Cota de Cramér-Rao Si la función de densidad
Definición 6. El Estimador Lineal Insesgado de
de x cumple ciertas condiciones de regularidad, la vari-
Mı́nima Varianza (ELIMV): Un estimador es
anza de un estimador insesgado de un parámetro θ siem-
el estimador lineal insesgado de mı́nima varianza,
pre será mayor o igual que:
o estimador lineal insesgado óptimo (elio), si éste
µ ∙ ¸¶−1 es una función lineal de los datos y tiene la mı́nima
∂ 2 ln L(θ)
[I(θ)]−1 = −E varianza entre todos los estimadores lineales ins-
∂θ2 esgados.
µ ∙ ¸¶
∂ ln L(θ)
= −E
∂θ 7.1.2. Propiedades Asintóticas (Grandes Mues-
tras) En muchos casos la cuestión de si un estimador
donde I(θ) es el número (matriz) de información de la es insesgado o no, cuál es su varianza muestral para una
muestra. muestra de tamaño dado, es simplemente imposible de
Por ejemplo, si responder. Pese a ello, es posible obtener resultados
aproximados sobre el comportamiento de la distribución
n n 1 Pn de un estimador para tamaños muestrales elevados
ln L(μ, σ 2 ) = − ln(2π) − ln σ 2 − 2 (xi − μ)2 , (usualmente convergiendo a infinito). El conocimiento
2 2 2σ i=1
12
del comportamiento en el lı́mite de la distribución de un
estimador puede utilizarse para inferir una distribución
aproximada para el estimador obtenido de una mues-
tra finita. Los siguientes son algunos resultados impor-
tantes.
Sea xn una variable aleatoria proveniente de una
muestra de tamaño n. Entonces,
Definición 7. Convergencia en Probabilidad: Una
variable aleatoria converge en probabilidad a una
constante c, si
lim Pr [|xn − c| > ξ] = 0,
n→∞
para cualquier ξ positivo.
Esta definición implica que los valores de la variable
aleatoria cercanos a c, son cada vez más probables a
medida que n aumenta. La clave de esta forma de con-
vergencia es que toda la masa de probabilidad de la
distribución se concentrando en los valores cercanos a
c. Cuando xn converge en probabilidad a c, se escribe
p lim xn = c.
Un tipo especial de convergencia en probabilidad,
más utilizado, es:
Teorema 3. Convergencia Media Cuadrática: Si
xn tiene media μn y varianza σ 2n , tales que los
lı́mites ordinarios de μn y σ 2n son, respectiva-
mente, c y 0, entonces xn converge en media
cuadrática a c, y p lim xn = c.
Para demostrar este teorema, son necesarios los
siguientes dos teoremas complementarios:
Teorema 4. Desigualdad de Chebychev: Si xn es
una variable aleatoria y c y ξ son dos constantes,
entonces,
£ ¤
E (xn − c)2
Pr [|xn − c| > ξ] < .
ξ2
La demostración de este teorema escapa a los al-
cances de estas notas.
Teorema 5. Desigualdad de Markov: Sea yn una
variable aleatoria que toma valores no negativos,
y δ una constante positiva. Entonces,
E(yn )
Pr [yn ≥ δ] ≤ .
δ es,
La demostración de este teorema escapa a los al-
cances de estas notas.
Rodrigo F. Aranda
Luego, si hacemos yn = xn − c y δ = ξ 2 , entonces
(xn − c)2 > δ ⇒ |xn − c| > ξ. Luego, si c = μn ,
σ2
Pr [|xn − c| > ξ] ≤ .
ξ2
Por otro lado, limn→∞ E(xn ) = c, y limn→∞ V ar(xn ) =
0, entonces p lim xn = c. Esto es, los resultados ante-
riores implican que la convergencia media cuadrática
conduce a la convergencia en probabilidad (lo contrario
no es verdad).
Definición 8. Estimador Consistente: Se dice que
un estimador bθ de un parámtro θ es un estimador
consistente de θ, sı́ y sólo si p lim b
θ = θ.
Teorema 6. Consistencia de la Media Muestral:
La media de una muestra aleatoria de cualquier
población con media finita μ y varianza finita σ 2
es un estimador consistente de μ.
B Dem.: Sabemos que E(x) = μ y V ar(x) = σ 2 /n.
Por lo tanto, x converge en media cuadrática a
μ, por lo que p lim x = μ (pues cuando n → ∞,
σ 2 /n → 0). C
Corolario (Consistencia para la Media de Fun-
ciones): En una muestra aleatoria, para cualquier
función g(x), si E[g(x)] y V ar[g(x)] son con-
stantes finitas, entonces
1 Pn
p lim g(xi ) = E[g(x)].
n i=1
Definición 9. Convergencia en Distribución: La
sucesión de variables aleatorias {xn } converge en
distribución a una variable aleatoria x con función
de densidad acumulada (f da) F (x) si
lim |Fn − F (x)| = 0
n→∞
en todos los puntos en que F (x) sea continua.
Esta definición no tiene nada que ver con la conver-
gencia de los valores especı́ficos que tome x, sino que se
relaciona con la distribución de proabilidad.
Definición 10. Distribución Lı́mite: Si xn converge
en distribución a x, siendo F (x) la fda de x, en-
tonces F (x) es la distribución lı́mite de x. Esto
d
xn → x.
Introducción al Análisis Econométrico 13

8. Métodos de Estimación lo general μ0r será una función conocida de θ, digamos

Sea x una variable aleatoria obtenida de una población
con función de distribución de probabilidad (f dp) dada
por f ( x| θ), donde θ es un vector de parámetros que de-
seamos estimar. Sea x1 , · · · , xT una muestra aleatoria
para dicha población. Entonces, un estimador de θ es
una función o regla de la forma
b
θ=b
θ(x1 , · · · , xT ),
lo que significa que el estimador b
θ es una función de las
observaciones de la muestra de datos. Como las obser-
vaciones en la muestra de datos son variables aleatorias,
también lo será el estimador b
θ.
Por ejemplo, supongamos que estamos dispuestos a
asumir que los gastos de los individuos con ingresos de
$2M M , se distribuye como una normal con media de-
sconocida, pero varianza igual a σ 2 = (500)2 ; es decir,
μ0r = μ0r (θ). La idea del método de momentos es utilizar
la información muestral, x1 , · · · , xn , para calcular los
momentos muestrales:
Pn xr
μ0r = i
; r = 1, 2, ..., k,
i=1 n
para luego igualar los momentos muestrales con los ver-
daros (los poblacionales) - es decir, μ0r = μr (θ) - y
resolver el sistema de ecuaciones que resultan para los
k parámetros desconocidos, si es que esto es posible.
El estimador resultante se conoce como estimador del
método de momentos.
El siguiente ejemplo ilustra el procedimiento. Sea
x1 , · · · , xT una muestra aleatoria obtenida de una
población con una distribución N (θ, σ 2 ). Entonces
E [x] = θ = μ01 ,

Y ∼ N (θ, (500)2 ). y £ ¤ 2
var(x) = σ 2 = E x2 − [E [x]] .
Sea x1 , · · · , xT una muestra aleatoria de las observa- Ası́, si igualamos los momentos muestrales a los pobla-
ciones sobre los gastos. Dado que la media es descono- cionales, tendremos:
cida, podemos plantear que
Pn x
=x=b
i
Yt = θ + εt ; t = 1, · · · , T , μ01 = θ,
i=1 n
donde la variable aleatoria εt = Yt − θ, tiene una dis- y
Pn x2 2
tribución de probabilidad dada por μ02 = i
b2 + b
=σ θ ;
i=1 n
εt ∼ N (θ, (500)2 ),
de donde se obtiene:
y representa la diferencia entre Y y su media. Tal como n x2 n x2
µ ¶2
P 2 P Pn x
−b
i
ha sido especificada, εt representa todos aquellos fac- b2
σ = i
θ = i
−
tores distintos del ingreso que afectan el nivel de gasto i=1 n i=1 n i=1 n

de los individuos (por ejemplo, los gustos y preferencias, 1 P

las condiciones del entorno económico, etc.).
El estimador más común para θ es la media ar-
itmética simple de las observaciones en la muestra:
b Pn x
θ=b
i
θ(x1 , · · · , xT ) = , difı́cil de aplicar en problemas más amplios y complejos.
i=1 n
que es igual a la media muestral de x. Existen, sin em-
bargo, otros métodos de estimación que tienen mejores
propiedades, los que a continuación se presentan.
8.1. El Método de Momentos
Tal como se discutió antes, el r-ésimo momento de
una variable aleatoria Y en torno al origen es μ0r =
E [xr ]. Si la f dp de x es f ( x| θ), donde θ0 = (θ1 , · · · , θk )
es un vector de parámetros no conocidos, entonces por
n
= (xi − x)2 .
n i=1
Aun cuando el método de momentos es muy intu-
itivo, no necesariamente proporciona resultados únicos
para los parámetros, y puede incluso tornarse muy
Adicionalmente, el método también depende de que la
variable en cuestión tenga efectivamente momentos, lo
cual puede no ser cierto.
8.2. Estimación Mı́nimo Cuadrática
Una dificultad presente tanto en los dos métodos an-
teriores es que cada uno de ellos requiere de un supuesto
especı́fico respecto de la distribución de probabilidad
de la variable aleatoria bajo análisis. Algunas veces,
sin embargo, es posible usar métodos de estimación que
14 Rodrigo F. Aranda

no requieren la especificación exacta de la distribución

poblacional. Uno de estos métodos, muy popular, es el
método de los mı́nimos cuadrados. Este método puede
usarse para estimar los momentos centrales de variables
aleatorias, μ0r = E [Y r ].
La lógica de método es simple. Dado que la expecta-
tiva matemática de una variable aleatoria es la media de
dicha variable dados los valores muestrales Y1 , · · · , YT ,
entonces es razonable utilizar el valor central de los
datos Yir para estimar μ0r . Una manera de definir el
centro de un conjunto de datos es encontrar el valor de
b0r que minimiza:
μ
T
X
S= (Ytr − μ0r )2 .
t=1

El valor de S es la suma del cuadrado de la diferencia en-

tre Yir y la expectativa μ0r = E(Yir ). El valor de μ0r que
minimiza S para un conjunto de valores de la variable
aleatoria se denomina estimador mı́nimo cuadrático de
b0r se considera una función de la variable aleato-
μ0r . Si μ
ria Yi , entonces éste es el “estimador mı́nimo cuadrático
(MC).”
Por ejemplo, sea Y1 , · · · , YT una muestra aleatoria
proveniente de una población con media β y varianza
finita σ 2 . Entonces, el estimador mı́nimo cuadrático de
β se obtiene minimizando:

XT XT
dS b =0
S = (yt − β)2 ⇒ = −2 (yt − β)
t=1
dβ t=1
XT
b= 1
⇒ β yt .
T t=1

8.3. El Método de Máxima Verosimilitud

(Maximum Likelihood)
Ver nota de clases 10.