¿Qué es la econometría?
La econometría es la aplicación cuantitativa de modelos estadísticos y matemáticos que utilizan datos para desarrollar teorías o probar hipótesis existentes en economía y para predecir tendencias futuras a partir de datos históricos. Somete los datos del mundo real a ensayos estadísticos y luego compara y contrasta los resultados con la teoría o teorías que se están probando.
Dependiendo de si se está interesado en probar una teoría existente o en utilizar los datos existentes para desarrollar una nueva hipótesis basada en esas observaciones, la econometría puede subdividirse en dos grandes categorías: teórica y aplicada. Los que se dedican habitualmente a esta práctica se conocen comúnmente como econometristas.
Claves para entender
- La econometría es el uso de métodos estadísticos que utilizan datos cuantitativos para desarrollar teorías o probar hipótesis existentes en economía o finanzas.
- La econometría se basa en técnicas como los modelos de regresión y la comprobación de hipótesis nulas.
- La econometría también puede utilizarse para intentar predecir futuras tendencias económicas o financieras.
Entendiendo la econometría
La econometría analiza los datos utilizando métodos estadísticos con el fin de probar o desarrollar la teoría económica. Estos métodos se basan en inferencias estadísticas para cuantificar y analizar las teorías económicas aprovechando herramientas como las distribuciones de frecuencia, la probabilidad y las distribuciones de probabilidad, la inferencia estadística, el análisis de correlación, el análisis de regresión simple y múltiple, los modelos de ecuaciones simultáneas y los métodos de series temporales.
La econometría fue iniciada por Lawrence Klein, Ragnar Frisch y Simon Kuznets. Los tres ganaron el Premio Nobel de Economía en 1971 por sus contribuciones. En la actualidad, se utiliza con regularidad entre los académicos, así como entre los profesionales, como los operadores y analistas de Wall Street.
Un ejemplo de la aplicación de la econometría es el estudio del efecto de la renta utilizando datos observables. Un economista puede plantear la hipótesis de que a medida que una persona aumenta sus ingresos, su gasto también aumentará. Si los datos muestran que dicha asociación está presente, se puede llevar a cabo un análisis de regresión para comprender la fuerza de la relación entre la renta y el consumo y si dicha relación es o no estadísticamente significativa, es decir, si parece poco probable que se deba únicamente al azar.
La metodología de la econometría
El primer paso de la metodología econométrica es obtener y analizar un conjunto de datos y definir una hipótesis específica que explique la naturaleza y la forma del conjunto. Estos datos pueden ser, por ejemplo, los precios históricos de un índice bursátil, las observaciones recogidas en una encuesta sobre las finanzas de los consumidores, o las tasas de desempleo e inflación en diferentes países.
Si está interesado en la relación entre la variación anual de los precios del S&P 500 y la tasa de desempleo, recogería ambos conjuntos de datos. En este caso, usted quiere probar la idea de que un mayor desempleo conduce a precios más bajos de la bolsa. El precio de la bolsa es, por lo tanto, su variable dependiente y la tasa de desempleo es la variable independiente o explicativa.
La relación más común es lineal, lo que significa que cualquier cambio en la variable explicativa tendrá una correlación positiva con la variable dependiente, en cuyo caso se suele utilizar un modelo de regresión simple para explorar esta relación, lo que equivale a generar una línea de mejor ajuste entre los dos conjuntos de datos y, a continuación, probar para ver a qué distancia está cada punto de datos, en promedio, de esa línea.
Tenga en cuenta que puede tener varias variables explicativas en su análisis-por ejemplo, cambios en el PIB y la inflación además del desempleo para explicar los precios del mercado de valores. Cuando se utiliza más de una variable explicativa, se denomina regresión lineal múltiple, el modelo que es la herramienta más utilizada en econometría.
Diferentes modelos de regresión
Existen varios modelos de regresión diferentes que se optimizan dependiendo de la naturaleza de los datos que se analizan y del tipo de pregunta que se formula. El ejemplo más común es la regresión por mínimos cuadrados ordinarios (MCO), que puede llevarse a cabo en varios tipos de datos transversales o de series temporales. Si está interesado en un resultado binario (sí-no) -por ejemplo, la probabilidad de ser despedido de un trabajo en función de su productividad- puede utilizar una regresión logística o un modelo probit. Hoy en día, hay cientos de modelos que un econometrista tiene a su disposición.
La econometría se lleva a cabo ahora utilizando paquetes de software de análisis estadístico diseñados para estos fines, como STATA, SPSS o R. Estos paquetes de software también pueden probar fácilmente la significación estadística para proporcionar apoyo a que los resultados empíricos producidos por estos modelos no son simplemente el resultado del azar. La R-cuadrada, las pruebas t, los valores p y las pruebas de hipótesis nulas son métodos utilizados por los econometristas para evaluar la validez de los resultados de sus modelos.
Limitaciones de la econometría
A veces se critica a la econometría por basarse demasiado en la interpretación de los datos brutos sin vincularlos a la teoría económica establecida o buscar mecanismos causales. Es crucial que los hallazgos revelados en los datos puedan ser explicados adecuadamente por una teoría, incluso si eso significa desarrollar su propia teoría de los procesos subyacentes.
El análisis de regresión tampoco demuestra la causalidad, y sólo porque dos conjuntos de datos muestren una asociación, ésta puede ser espuria. Por ejemplo, las muertes por ahogamiento en piscinas aumentan con el PIB. ¿Una economía en crecimiento hace que la gente se ahogue? Por supuesto que no, pero quizá haya más gente que compre piscinas cuando la economía está en auge. La econometría se ocupa en gran medida del análisis de la correlación, y recuerde que correlación no es igual a causalidad.