Bueno, como ya veo que tenemos a bastante gente conectada por streaming,
vamos a ir empezando. Lo primero que voy a hacer es saludaros, por
supuesto, a los que estáis por streaming y si me podéis confirmar en el
chat que el audio es bueno y el vídeo es bueno. Y así ya nos quedamos
tranquilos. Y también, por supuesto, saludaros a los que estáis aquí en
Ponzarrada, en presencial. En Ponzarrada tenemos a Patricia, tenemos a
Javier y tenemos a Ana. Sé que va a estar alguien más en presencial. Se
irán incorporando. Es una hora un poquito temprana, es verdad, a las 4 de
la tarde es una hora un poquito muy cerca de la hora de comer, pero como
queremos aprovechar bien la tarde y que sea un seminario muy práctico y no
terminar tampoco demasiado, tarde y que sea compatible con horarios de
otras asignaturas que también seguramente que tenéis, pues hemos elegido
este intervalo largo. Bueno, pues veo, y disculparme que me refiera a
vosotros por la denominación que aparece en el correo, veo que está
conectado el alumno 3, que bueno, si podéis poner el nombre en el chat,
pues así ya nos vamos conociendo. También está Eblázquez. N.R. Sanjuan,
J. Lafuente, P. Quevedo, F. Sebastián y J. Jiménez. Ya digo, disculpad
que me refiera así a vosotros, pero es lo que aparece en la
identificación que aparece en pantalla. Me decís que se oye bien y ya
algún estudiante dice que han mandado un correo con dos documentos, y es
verdad. O sea, hemos enviado a todos los que están inscritos, bueno, pues
al mediodía más o menos, ¿no, Cipri? Al mediodía enviamos un correo. Un
correo con los dos archivos que vamos a manejar a partir de hoy. Y esta va
a ser la práctica habitual, enviaremos con carácter previo a tocar los
diferentes temas, enviaremos por correo electrónico los materiales que en
principio van a ser PDFs o similar, ¿no? Bueno, voy a presentarme cuando
lo he hecho, aunque yo creo que ya me conocéis casi todos, soy Jorge Vega,
soy el profesor que va a estar un poquito al cargo del seminario, junto con
Cipriano Gullmiel, que está aquí en mi lado y está ya listo, sentado en
el ordenador, listo para empezar. Yo voy a llevar la parte más, vamos a
decir, de desarrollo de contenidos, por así decir, y Cipriano se va a
encargar de la parte más práctica. La parte práctica, y esto es
importante, es importante que lo... que lo comentemos cuando ya vemos que
alumno 3 es Moisés, que San Juan es Enrique y que Quevedo es Pedro. Bueno,
pues, buenas tardes de nuevo a todos. Decía que la parte práctica la
vamos a hacer con ordenador, tanto aquí, presencialmente en el aula en
Conferraja, que tenemos ya ordenadores listos para esto, como los que
estáis siguiéndolo a través de streaming, pues desde cualquier lugar,
que seguro que tenéis un ordenador porque si no no estaríais conectados,
y tendréis internet, etcétera. Entonces Cipri os va a dar instrucciones
precisas para que se pueda bajar un software que vamos a utilizar desde
internet, es un software gratuito, y por lo tanto se puede bajar sin
ningún problema desde internet, y Cipri también va a explicar con detalle
cómo se instala ese software y cómo se usa el software, con lo cual yo
creo que vamos a poder, en fin, sin mayor dificultad, y dado que además
vais a estar viendo como ahora en pantalla lo que nosotros queremos contar,
pues no deberíamos tener dificultad para seguir el seminario. Yo ahora voy
a minimizar, estamos viendo aquí el chat, lo voy a minimizar, después
Cipri tienes que acordarte, si quieres ver las preguntas en el chat tienes
que maximizarlas otra vez, y voy a empezar ya con la parte de desarrollo de
contenidos. Bueno, el seminario se llama de Econometría Aplicada porque
precisamente pretende ser, pues muy práctico, el objetivo es doble, el
objetivo es que los alumnos que estén cursando o vayan a cursar, porque me
consta que hay estudiantes que todavía no están matriculados y que sí
que se van a matricular más adelante, y esta es una materia, en fin, que
tiene bastante enjundia, pues que esos estudiantes que estén matriculados
en estas asignaturas de Econometría de diferentes carreras, porque hay
Econometría en AVE, hay Econometría... Hay Econometría en Economía, hay
Econometría en Turismo, etcétera. Y después hay Estadística,
muchísimas carreras de todo tipo, ¿no? Entonces que sobre todo para los
que están matriculados de Econometría, pues adquieran unos conocimientos
que yo creo que les van a ayudar mucho a la hora de aprobar ese examen.
Pero nosotros, más que centrarnos en el examen, vamos a hacer un seminario
práctico, para aprender Econometría de verdad y que sea útil para
cualquier cometido en la vida del profesional o del futuro profesional. Ese
es el doble objetivo. Por eso, veréis que el temario es amplio, es
bastante amplio, pretendemos ver prácticamente todos los temas que se
suelen ver, en las diferentes asignaturas de Econometría, sea cual sea la
titulación que estemos cursando. Y, en realidad, pues hay tres grandes
partes. Tres grandes partes en cualquier programa de este tipo. Hay una
primera parte que podemos considerar una introducción, una introducción
que se refiere a modelos econométricos uniecuacionales. ¿Qué tal me va a
ir? Pasa... tenemos por ahí una pregunta de asistencia. Bueno, a los que
están en presenciales hacemos firmar la oferta de asistencia, y a los que
están en remoto ya están fichados, ya están ahí en el sistema virtual,
con lo cual ellos no tienen que firmar nada. Bueno, no lo he dicho, pero ya
lo sabéis, el seminario es totalmente gratuito y no conlleva créditos
porque no está definido como tal como una actividad de extensión con
créditos. Más adelante en el futuro ya veremos, ya veremos si lo hacemos
así. Pero de momento preferimos que sea un apoyo, un complemento
totalmente gratuito. Yo creo que es muy importante que sea gratuito. Un
complemento para que esté accesible a cuanta más gente interesada mejor y
por eso de momento estamos emitiendo el tema de créditos. No obstante, sí
podemos, por supuesto, certificar la asistencia. Eso sí, el certificado de
asistencia. Y un cierto certificado. Un certificado de aprovechamiento
también porque vamos a plantear una tarea voluntaria. Voluntaria. Algún
trabajo voluntario que tenga tiempo y ganas, pues como forma de aprender un
poquito mejor la materia, plantearemos como novelazos que hagan el trabajo
voluntario y también certificaríamos el que haga el trabajo, pues haremos
un certificado de qué ha hecho. Eso lo certificaría yo. Pero bueno, que
como tal no lleva créditos. O sea, certificado de asistencia o certificado
de haber hecho el trabajo el que lo quiera hacer. Bueno, pues las tres
grandes partes del secenario es el primer bloque, es una introducción,
modelos econométricos uniecuacionales donde vamos a hablar en todo un
modelo econométrico qué significado tiene, cómo se estima, cómo se hace
el contraste de hipótesis. En todo esto de la estimación y el contraste
de hipótesis hay conocimientos estadísticos y matemáticos con carácter
general que hay que poseer, hay que conocer. En principio nosotros vamos a
dar por supuesto que se conocen esos conocimientos básicos matemáticos,
por ejemplo de álgebra lineal o estadísticos, tanto una estadística de
introducción como sobre todo una estadística ya más avanzada, una
estadística ya probabilística, etcétera. Pero, pero, en el caso de que
esos conocimientos estén olvidados o nunca se hayan adquirido de manera
sólida, pues no os preocupéis porque también explicaremos lo suficiente
para que seáis capaces de resolver todas las cuestiones. Bueno, y en este
bloque 1 pues hay como varias cuestiones a tratar. Primero hay que hablar
de modelos, tipos de modelos y de datos. Después hay que hablar de la
estimación, de lo que sería una regresión lineal, después se pueden
hablar de aspectos más avanzados, de esos análisis de regresión y sobre
todo muy importante, ya que es una cuestión estadística fundamental, los
aspectos de inferencia, inferencia estadística. Y por último se pueden
plantear ciertos problemas en este tipo de estimaciones de modelos
econométricos y ecuacionales y los problemas más destacados, en los que
más vamos a insistir, son los de autocorrelación y heteroscedasticidad.
Hay otros problemas diferentes que se verán en el apartado de aspectos
avanzados de análisis de regresión, pero fundamentalmente los dos
problemas en los que vamos a poner énfasis son la autocorrelación y la
heteroscedasticidad. No os preocupéis ahora que estoy contando cosas que
obviamente alguno no conocerá, a alguno le sonará a chino en este momento
qué significa la heteroscedasticidad y qué significa la autocorrelación,
pero por supuesto lo vamos a explicar. Esto es nada más una visión de
conjunto, es un mapa, una hoja de ruta para que sepáis qué cuestiones
vamos a tratar en el seminario. El seminario empieza hoy y ahora no
recuerdo cuándo acaba, acaba en el mes de mayo, tenemos unas cuantas
sesiones, todas ellas de tres horas, con lo cual nos tienen que dar un
tiempo suficiente para aprender de forma significativa unas cuantas cosas.
Esto que estoy diciendo es muy amplio, lo que veis ahí en pantalla es
amplio y sobre todo tiene un trasfondo de conocimientos previos, no sólo
de matemáticas y estadísticas sino sobre todo también de teoría
económica que podemos dominar más o dominar menos y entonces se requiere
tiempo francamente para poder manejar estas cuestiones requerimos de un
tiempo, puede parecer mucho las tres horas semanales pero realmente se
requiere tiempo y de hecho vamos a poner tareas para que en casa hagáis
más cosas porque realmente esto da mucho juego para dedicarle bastante
tiempo. El segundo bloque ya son los modelos multiecuacionales, ya pasamos
de una sola ecuación a más de una ecuación, dos, tres, etcétera. Pero
no sólo veremos modelos multiecuacionales sino que veremos también
escenarios especiales, casos específicos que se pueden plantear cuando se
estudia el análisis de regresión. Ahí vamos a empezar hablando de lo que
se llama el análisis de la especificación y ciertos problemas que nos
pueden dar los datos y después hablaremos de algunos casos especiales como
pueden ser los paneles, los modelos de regresión con paneles, las
variables binarias, variables explicativas dicotómicas, los modelos de
regresión de variante cualitativa y también sobre todo los modelos de
regresión con variables instrumentales. Pero lo más importante en esta
parte, donde vamos a destacar lo más es el tema de modelos econométricos
multiecuacionales. Y como tercer bloque ya entraríamos en lo que son las
series de tiempo, el análisis de regresión con series de tiempo, y ahí
hay que hablar de cuestiones en general de autoregresión, de
estacionariedad y de tendencias. Y de manera más específica hablaremos
del análisis de series temporales explicando lo que son los procesos
estacionarios y no estacionarios y cuestiones de modelización dinámica,
cuestiones de VAR y de cointegración. Esto es un poco el menú. Es un
menú amplio, es un menú que incluso en los modernos planes de estudio se
ve en varias asignaturas distintas. En los antiguos planes de estudio de
las viejas licenciaturas solía haber una gran asignatura anual en la que
se veía todo, muy grandes asignaturas anuales, pero en los modernos planes
de estudio son dos o tres asignaturas, dos o tres asignaturas
cuatrimestrales. Incluso pueden ser tres. Depende del plan de estudios, lo
que quiera extenderse. Podría ser el equipo docente en ese análisis, pero
podría ser tranquilamente el bloque 1 una asignatura de introducción a la
geometría y los otros dos bloques o una asignatura cuatrimestral potente
de modelos multiconstitucionales y de serie de tiempo o incluso dos. Dos
asignaturas cuatrimestrales. Esto es una cosa que es pequeña, una cosa
grande. Después ya cada uno, nosotros lo vamos a ver todo en el seminario,
de ahí las tres horas anuales, ya cada uno en función de la asignatura a
la que se enfrente en el examen, pues ya sabe cuál es su menú y ya sabe
dónde tiene que insistir más. Pero francamente, voy a ser muy claro desde
el principio, el que no lo entienda todo de manera relacionada es que no
sabe de geometría. No nos engañemos. El que no sea capaz de relacionarlo
todo es que en realidad tiene déficits muy graves y por tanto yo soy
partidario francamente del error todo en su conjunto. Además a los
estudiantes siempre les digo que si te vas a enfrentar con varias
asignaturas de varios niveles atácalas todas a la vez y asiste a un
seminario de estos en el que nos tomemos en serio la geometría porque esto
de manera estanca y parcial es poco menos que imposible. Y es un tema que
requiere tiempo, también es verdad que es una asignatura que requiere
tiempo. No hay que agobiarse porque en una primera aproximación, un primer
año contactemos con ella y ese año no seamos capaces. Esto es muy
habitual. Entonces no hay que agobiarse ni mucho menos. Es una asignatura
que es posible que tengamos que abordarla en varios intentos. Bueno pues
dicho esto además no pretendemos sólo que aprendáis para aprobar un
examen que eso es importante. Queremos que aprendáis para futuros
profesionales que tengan que aplicar esto en la profesión porque eso es
esencial. Iba a decir economista pero yo me atrevo a decir que casi
cualquier científico social de una forma u otra acaba aplicando estas
técnicas que son estadísticas en base a modelos teóricos para resolver
todo tipo de problemas en su profesión. Hombre, no es por darme mucha
importancia pero es verdad que los economistas son los que más trabajamos
estos temas. Los más especialistas en análisis en ciencias sociales son
los economistas. Mucho más en vuestra titulación de profundizar mucho
más que otras disciplinas en estos temas. Por tanto el que FIPRIO seamos
economistas nos va a dar la tranquilidad de que tenemos trabajo. Nosotros
hemos tenido que estudiar muchas titulaciones. Bueno, pues dicho esto a los
que estamos en Bonfarrada estamos en la sala de informática los demás
estaréis conectados a un ordenador todos necesitamos tener un ordenador
conectado al internet porque todo lo que vamos a hacer en tiempo real vamos
a intentar hacer las prácticas entre las 5 y las 7 vamos a tener dos horas
hacer sosegadamente la práctica que es como se debe hacer y de 4 a 5
aproximadamente vamos a hacer el desarrollo de los contenidos vamos a
avanzar contenidos a los que estáis en casa tenéis que seguir las
instrucciones y nosotros vamos a intentar estar atentos al chat para poder
atenderlos sin problemas. Pues ya entramos sin más con un ejemplo
práctico porque es como mejor se entiende esto ¿de qué va este
seminario? Este seminario va de los problemas que nos planteamos un
problema que nos planteamos en cualquier ciencia social no sólo de la
economía en cualquier ciencia social que es el análisis de la causalidad
de eso va la asignatura y eso es esencial para cualquier científico social
un científico social que no sea capaz de analizar la causalidad no es un
científico social francamente aquí no hay no hay otra opción esto es sí
o no si eres científico social es que eres capaz de analizar la causalidad
y si no es que no lo eres por eso es un tema que nos tenemos que coger con
mucha ilusión con muchas ganas porque un profesional que se dedica a
cualquier disciplina social la causalidad realmente tiene un problema
mayúsculo ¿qué es eso de la causalidad? la causalidad es si tenemos
varias variables matemáticas, estadísticas a partir de ahí voy a
referirme al término estadístico varias variables estadísticas por
ejemplo la variable X y la variable Y en el tema de variables matemáticas
o estadísticas el que ha estudiado matemáticas o estadísticas sabe que
hay distintos tipos de variables sabe que hay variables cuantitativas y
variables cualitativas y dentro de esos dos escenarios todavía se puede
tipificar con más finura podemos hablar de variables de tipo dicotómico
binomial, de tipo ordinal las podemos ordenar estas son cuestiones muy
básicas de matemáticas y estadística que se supone que manejamos no
obstante le pegaremos un repasito ahí tenéis dos variables de tipo
cuantitativo ya veis que son números son series temporales porque ya veis
que hay una variable esos son años desde el año 1998 hasta el 2009 con la
cual estamos hablando de series temporales estamos hablando de dos
variables variable X y variable Y que toman distintos valores en distintos
momentos del tiempo por ejemplo en el año 98 la variable X tomó el valor
23 y la variable Y tomó el valor 60 y en el 2009 la variable X tomó el
valor 31 y la variable Y tomó el valor 53 bueno también si sabemos algo
de matemáticas y sobre todo de estadística sabríamos que esto es una
muestra de unos pocos valores porque desde el año 98 hasta el 2009 cuantos
valores hay es una muestra pequeña una muestra corta de unos pocos valores
y esos son esos datos a los que me he referido son datos muestrales es
decir al tomar la muestra en el año 98 de la variable X el valor que
resultó el valor muestral que resultó fue 23 y al tomar en el año 98 de
la variable Y el valor muestral que resultó fue 60 ¿qué quiere decir
esto? ya desde el principio que cada uno de esos años en cada uno de esos
momentos del tiempo podría haber otros valores muestrales distintos
nosotros tenemos uno el que cogimos con esa muestra concreta bueno y la
gran pregunta la pregunta clave para nosotros es oye podemos entender que
una de estas variables es causa de la otra explica a la otra esa es la gran
pregunta del científico social una pregunta que va mucho más allá de la
mera correlación estadística se supone que sabemos algo de estadística
pero vamos a repasarlo y en estadística incluso la estadística de
introducción una estadística muy sencilla de tipo que decimos los
economistas descriptiva en el mundo de la estadística pues ya se analizan
temas de correlación estadística por ejemplo hay un sencillito
coeficiente de correlación lineal también llamado correlación de Pearson
por ejemplo que recordaréis que era algo así como Rxy coeficiente de
correlación de Pearson entre las variables xy y era un cociente en el
numerador se ponía la covarianza entre esas dos variables y en el
denominador se ponía las desviaciones típicas qué quiere decir esto que
nosotros deberíamos recordar y a los que no lo recuerden intentaremos
explicárselo qué es una covarianza y cómo se calcula y qué es una
desviación típica y cómo se calcula esas son cuestiones de introducción
a la estadística lo que es una covarianza y lo que es una desviación
típica son cuestiones muy básicas de lo que es una introducción a la
estadística en un segundo de carrera no más tarde habitualmente una
introducción a la estadística la correlación entre esas dos variables
seguro que os suena es un coeficiente que varía entre el coeficiente de
correlación de Pearson se puede aplicar a variables de tipo cualitativo
como esta que tenemos en la pantalla si estuviésemos hablando de otro tipo
de variables tendríamos que discutir cuáles son otras medidas diferentes
no el coeficiente de correlación de Pearson pero para variables de tipo
cualitativo el coeficiente de correlación de Pearson varía entre menos
uno y más uno pasando por el cero si nos diese cero diríamos no hay
correlación estadística entre estas variables y en la medida en que se
acerque a uno o a menos uno pues sí, habrá una correlación estadística
o positiva si se acerca a más uno si tiene a más uno cuanto más se
acerque a más uno mayor correlación positiva cuanto más se acerque a
menos uno mayor correlación negativa y si es el uno exacto 1,000 o menos
1,000 pues diríamos correlación perfecta positiva o correlación perfecta
negativa esto os suena bueno eso está bien eso es estadística pero
realmente a un científico social no se le puede conformar ni mucho menos
con eso es una primera aproximación a nuestro problema nuestro problema es
mucho más ambicioso nuestro problema es el de analizar la causalidad es
decir podemos aceptar que x por ejemplo es causa de y o sea, podemos
aceptar que la variable x explica la variable y bueno pues para decir esto
la primera afirmación rotunda es que no basta con la estadística es la
primera afirmación rotunda necesitamos un modelo teórico un modelo
teórico que explique esa causalidad ese modelo teórico pues será un
modelo teórico que aportará alguna disciplina de las llamadas ciencias
sociales un modelo teórico que viene de la sociología o que viene de la
economía o que viene de donde sea un modelo teórico que explica esa
causalidad que explica que x sea causa de y sobre ese modelo teórico que
se va a concretar en una normalmente una ecuación una ecuación que
tendrá apariencia de ecuación matemática una ecuación que trataremos
que sea si es posible lo más sencilla posible siempre cuanto más sencilla
mejor son los modelos siempre que sean explicativos pues con esa ecuación
que proviene de un modelo teórico un modelo teórico pues trataremos de
analizar si hay o no hay causalidad vale de momento vamos a ver las
gráficas esto es muy fácil de momento vamos a quedarnos solo en el
ámbito de la estadística y vamos a ver estas gráficas si nosotros
hubiésemos representado gráficamente ayudándonos del software que vais a
practicar a partir de las 5 con Cipri que el software tiene la gran virtud
es una maravilla porque te lo dibuja todo vas a poderlo visualizar todo con
lo cual te ayuda muchísimo te ayuda muchísimo a trabajar en ecotometría
de forma manual en fin es muy limitado necesitaríamos muchas horas
manualmente para llegar a algún tipo de interpretación que tuviese un
mínimo de fiabilidad sin embargo si tú sabes ecotometría y dispones de
una ayuda que es un buen software pues es muy potente por ejemplo muy
pronto te enseña las gráficas hombre y si sabes algo de ecotometría ya
la gráfica te da mucha información de ecotometría o de estadística
estamos con los niveles de estadística matemática y estadística ya solo
la gráfica nos indica muchas cosas hay una variable que es la variable X
de color azul y hay otra variable que es la variable Y de color rojo es muy
fácil ver que la variable tiene una cierta tendencia creciente crece
suavemente y que la variable Y aunque la variable Y es más fluctuante sube
y baja más por así decir pero tiene una cierta tendencia decreciente eso
se ve son dos tendencias suaves ya sabéis que las tendencias de una
gráfica muy sencilla o estadística muy sencilla de una estadística
descriptiva las tendencias se pueden calcular mediante una aproximación
por ejemplo de una línea recta una línea recta que se ajuste a ese modelo
que veis ahí si ajustásemos líneas rectas esas líneas rectas tendrían
ligeras pendientes positivas y negativas ¿verdad que sí? ¿qué querrá
decir esto? desde un punto de vista estadístico muy fácil ahora que entre
esas dos variables de existir correlación estadística será una
correlación estadística negativa porque una crece y otra decrece y si
parece a simple vista que una crece y otra decrece podría haber una
correlación estadística negativa vale ya solamente compréis esa gráfica
que queréis que te la da en un segundo en cuanto has acabado de meter los
datos que es lo que más tiempo lleva le das a un botoncito y ya te hacía
la gráfica pues ya te da una información muy útil posible correlación
estadística en este caso negativa ¿no? vamos a ver si voy a le doy más
caja a Cipri y me voy aquí abajo al AYAS que es donde está la gente
atendiendo dice S Palacios es Saúl J La Fuente es Javier E Blanque C es
Enrique etcétera bueno, hasta ahora ¿qué tal lo lleváis? los que
seguís por streaming seguro que no os habéis perdido porque tampoco he
descubierto nada lo que he dicho es muy sencillo o al menos el audio sigue
siendo bueno audio y vídeo tarda un poquito en contestar espero que sigan
teniendo conexión puede haber un retardo posible en estos sistemas ah sí,
perfecto se siguen muy bien las explicaciones bueno, pues seguimos entonces
minimizo vamos bien y no hemos avanzado casi nada os he situado ya estáis
situados en el tema ¿qué metodología vamos a utilizar nosotros
fundamentalmente? fundamentalmente no es la única que se puede utilizar
pero de manera fundamental una metodología sencillísima la gran ventaja
que tiene esta metodología es que es muy sencilla es la metodología de
mínimos cuadrados que seguro que os suena porque esto se puede ver en una
pequeña introducción incluso esta metodología en un pequeño curso de
introducción a la estadística ya se habla un poquito de mínimos
cuadrados cuando hablamos de mínimos cuadrados nos sirve la metodología
para estimar los parámetros y utiliza un sistema un sistema matemático
que al final es álgebra lineal ahí tenéis la inversa de una matriz la
inversa de la matriz x'x x'x a la menos uno significa inversa de la matriz
x'x que multiplica por otra matriz la matriz x'y y al hacer esto el
resultado que obtenemos son unos parámetros que vienen representados por
la letra b b es un vector columna de parámetros estimados álgebra sabemos
todos sabemos lo que es la matriz álgebra lineal sabemos lo que son
vectores sabemos que se pueden expresar como filas o como columnas sabemos
lo que son las matrices sabemos hacer inversas de matrices y sabemos
multiplicar matrices hay que seguir un breve recordatorio para hallar una
inversa de una matriz qué pasos hay que dar primero el diseminante para
comprobar que es distinto de 0 porque si no fuese distinto de 0 la matriz
no tendría inversa se halla la punta de la transpuesta y por último se
divide la punta de la transpuesta por el determinante y ya está segundo
recordatorio para multiplicar matrices qué tiene que ocurrir hay una
matriz que premultiplica en este caso x'x a la menos uno y una matriz que
posmultiplica en este caso la matriz x'e la multiplicación de matrices no
es conmutativa entonces la matriz que premultiplica tendrá un número de
filas y un número de columnas y la matriz que posmultiplica también
tendrá un número de filas y un número de columnas para que se pueda
multiplicar las dos matrices el número de columnas de la matriz que
premultiplica tiene que coincidir con el número de filas de la matriz que
posmultiplica y si eso es así se multiplican las matrices multiplicando
como filas por columnas esto hay que recordarlo, repasarlo y practicarlo si
lo tenéis olvidado hay que ponerse ya a repasar todo esto y hay que hacer
unas cuantas inversas y unas cuantas multiplicaciones esta semana hasta que
estemos aburridos ya del tema el algebra lineal es una matemática para
niños es una matemática muy sencillita el tema de matrices es muy
sencillizo eso es una gran ventaja que sea tan sencillo bueno pues la
matriz resultante acaba teniendo el número de filas de la matriz que
premultiplica y el número de columnas de la matriz que posmultiplica vamos
ya al grano imaginaros imaginaros que tenemos un modelo un modelo que puede
ser económico o sociológico me da igual la disciplina de la que parta
este modelo hay un modelo teórico un modelo teórico que verife el modelo
teórico la variable x explica la variable y el siguiente modelo teórico y
su t y su t quiere decir que es una serie temporal es una variable del
tiempo es igual a un parametro alfa que habrá que estimar más otro
parametro beta que habrá que estimar que multiplica por la variable x su t
que también es una variable de serie temporal más una discrepancia o
error de su t discrepancia o error claro todo modelo teórico incorporar
una discrepancia o error es muy difícil que una variable x sea cual sea o
un conjunto de variables x expliquen al 100% al 100% la variabilidad o lo
que le ocurre digamos en términos generales a otra variable y la variable
x explicará parte de lo que le ocurre a la variable y y habrá otra parte
explicada por la variable x eso es lo más lo más razonable esa parte que
no explica la variable x es lo que denominamos la perturbación aleatoria o
error o discrepancias ese concepto de perturbación aleatoria error o
discrepancia es esencial el concepto de error es un concepto esencial en
cualquier ciencia sea social o no social y es un concepto que se maneja en
matemáticas, en estadística y en todos los sitios es un concepto
esencial, troncado y para nosotros va a ser un concepto muy importante la
perturbación aleatoria o error después haremos una serie de hipótesis
referidas a esa perturbación aleatoria o error y yendo al grano en un
modelo como este es muy fácil demostrar que lo que hemos denominado matriz
x'x que tenemos que invertir es una matriz de dos filas por dos columnas es
facilísimo de demostrar esto desde el punto de vista matemático pero no
solamente es una matriz de dos filas por dos columnas sino que es la matriz
que está ahí en pantalla n sumatorio de x1 sumatorio de x1 sumatorio de
x1 al cuadrado lo veis verdad es facilísimo de demostrar desde el álgebra
lineal y también es facilísimo de demostrar desde el álgebra lineal que
la matriz x'y va a ser la matriz columna, columna por decir una sola
columna dos filas por una columna sumatorio de y sumatorio de x1 por y pero
no sólo esto sino que además es facilísimo de demostrar porque es
solamente álgebra lineal hacer inversas y multiplicar todos sabemos
hacerlo que cuando se aplica la metodología de mínimos cuadrados
ordinarios es decir, se halla la inversa de x'x y se multiplica por x'y el
resultado va a ser que b b que es el vector columna de estimadores está
formado por dos estimadores el estimador alfa y el estimador beta el
estimador beta que es el más importante porque se llama coeficiente de
expresión lineal es muy fácil de calcular también desde el punto de
vista estadístico hay conceptos estadísticos que conocemos que nos
permiten en este caso calcular en poco tiempo ese estimador beta lo veis
ahí en pantalla se puede demostrar que es la covarianza de y con respecto
a x dividido por la varianza de x que a todos os suena, ¿verdad? porque
son las covarianzas y la varianza y una vez que tenemos a g de beta el
estimador de beta es muy fácil estimar alfa el estimador de alfa sería la
esperanza matemática de y o si queréis la media de y menos el estimador
de beta que multiplica esto es sólo al general lineal es facilísimo de
desarrollar y hombre ¿cuál es la gran ventaja? que estimas de manera muy
sencilla alfa y beta sólo con al general lineal siempre y cuando se den
una serie de condiciones que después explicaré esto no se puede aplicar a
ciegas, a tontas y a locas la parte de al general lineal es lo menos
importante realmente eso para nosotros lo suponemos conocido y es muy
fácil lo importante es cuando se puede hacer esto de tal manera que
obtengamos unos estimadores voy a decirlo así, de buena calidad pues
cuando se den ciertas condiciones que después explicaré oye y si el
modelo es un poquito más grande pues claro los modelos no tienen por qué
ser tan pequeños el modelo de antes era un modelo de una sola ecuación la
única ecuación cual era alfa más beta que multiplica por x más un
error, una sola ecuación y este modelo también tiene una sola ecuación
pero es un poquito más grande igual a alfa más beta1 por x1 más beta2
por x2 más una perturbación aleatoria o error aquí hay dos variables
explicativas x1 y x2 habrá un modelo teórico que vendrá de la economía
o de la sociología o de la ciencia social que sea que establece esta
posible causalidad que x1 y x2 explican o pretenden explicar a la variable
y obviamente no van a explicar el 100% de la variabilidad de y habrá una
parte que no explique por eso hay una perturbación aleatoria o error
¿cuál sería en este caso? la matriz x'x y la matriz x'y eso, algebra
límite se puede demostrar muy fácilmente porque sólo es algebra lineal
que la matriz x'x en este caso es una matriz de 3x3 y además la veis en
pantalla primera fila sumatorio de x1, sumatorio de x2 segunda fila
sumatorio de x1, sumatorio de x1 al cuadrado sumatorio de x1 por x2 tercera
fila sumatorio de x2, sumatorio de x1 x2 sumatorio de x2 al cuadrado todos
sabrían hallar estos sumatorios a mano si nos dan los datos el hacer los
sumatorios de manera manual matriz x'y es una matriz columna tiene una sola
columna y tres filas es una matriz de 3x1 una columna y tres filas
sumatorio de y sumatorio de x1 por y y sumatorio de x2 por y los sumatorios
también se calculan muy fácilmente si los tuviésemos que hacer de forma
manual pues bien, de nuevo si aplicamos la metodología de mínimos
cuadrados ordinarios hacemos la inversa de x'x y multiplicamos la inversa
resultante por x'y ahora ya está nos sale muy fácil el estimador de alfa
el estimador de beta1 y el estimador de beta2 con alfabra lineal que es
sencillo estimar parámetros ¿verdad? yo entiendo que todos el alfabra
lineal lo tenéis más o menos y el tema de matrices lo tenemos bueno para
todo esto si estuviésemos en un examen de econometría ¿de qué sirve
saber hacer matrices? la respuesta es de nada ¿cuánto se puntúa el saber
hacer matrices? la respuesta es nada todo el mundo lo sabe esto es trivial
no hemos dado ni un paso siquiera en la asignatura esto no puntúa nada yo
insisto mucho en esta idea porque a veces la gente pierde mucho tiempo con
un cálculo matricial que se supone que sabes hacerlo perfectamente y no te
va a aportar nada porque en la puntuación tienes que saber mucho más para
incluso si no te da tiempo en el examen porque los exámenes de SOYO si son
de dos horas y que hay un problema un poquito largo no te va a dar tiempo
hacer en el examen seguramente todos los cálculos de manera sosegada y es
más es posible que cuando hagas de manera manual un examen inversas de
matrices y multipliques matrices y habrá una serie de decimales o las
prisas y los nervios pues haya un montón de errores eso es así ¿de qué
sirve que hayas hecho las inversas y las multiplicaciones? de nada lo que
sí tienes que tener los conceptos claros tienes que saber yo lo que quiero
tienes que saber estadística tienes que saber matemáticas y entonces
tienes que sabiendo interpretar los signos que tienen que tener los
diferentes parámetros estimados para que aunque te hayas equivocado en el
proceso de cálculo matemático no pasa nada porque como tú sabes de esto
pues ya anticipas al profesor o profesora cuáles deben ser sus signos y si
no te han salido es que te has despistado y te ha salido mal me he tenido
que despistar porque no me daban los datos que me tenían que dar esto no
va a leal general lineal el ángel general lineal es un instrumento pero no
va a leal general lineal el siguiente paso es muy interesante porque este
mismo modelo con dos variables explicativas x1 y x2 se puede se puede
plantear desde el punto de vista estadístico de otra forma otra forma muy
habitual en estadística que es a través de las varianzas y covarianzas el
tema de los sumatorios está muy bien es muy sencillo todos sabemos sumar
con éste no hace falta tener un software específico para sumar tiene la
gran ventaja el sumatorio de x1 sensible pero estadísticamente es un
concepto muy pobre estadísticamente es mucho más rico el concepto de
varianzas y covarianzas ya aporta una información estadística entonces
resulta que el modelo anterior que ponemos de las varianzas y de las
covarianzas es decir de la varianza de x1 de la varianza de x2 de la
covarianza de x1 respecto de x2 de la covarianza de y respecto a x1 y de la
covarianza de y respecto a x2 varianzas y covarianzas que nosotros desde el
punto de vista estadístico tendríamos que saber interpretar vamos allá
en la estadística introducción en la estadística descriptiva cómo se
puede describir un fenómeno estadístico cuáles son las medidas
descriptivas de un fenómeno estadístico son de cuatro tipos las medias o
esperanzas matemáticas las varianzas la simetría y la acutosis cualquier
variable cualquier fenómeno estadístico descrito por esa variable si lo
queremos describir echaremos mano de cuatro conceptos sencillísimos que
son medias, varianzas, simetría y acutosis la varianza ya sabemos lo que
es y la media ya sabemos lo que es más adelante volveremos sobre el tema
yo supongo que sabéis lo que es la media y la varianza la covarianza
implica que no hay una sola variable no hay un solo fenómeno hay dos
variantes o fenómenos y la covarianza ya se aproxima se aproxima a la idea
de la posible relación que hay entre esas dos variables idea a la que
también se aproxima la correlación estadística la aproximación que hace
la covarianza y la correlación estadística a esa posible relación entre
dos fenómenos entre dos variables pues tiene una virtud que es
sencillísima pero tiene un defecto que es muy pobre lo que es muy sencillo
está muy bien porque es muy sencillo pero tiene respuesta poco entonces la
covarianza y la correlación son aproximaciones como sabéis estadísticas
al concepto de relación entre varias variables de hecho la covarianza es
el numerador de la correlación el signo que tenga la covarianza es el
signo que va a tener la correlación son aproximaciones muy sencillas pero
muy pobres nosotros no estamos buscando eso nosotros buscamos la causalidad
que es lo verdaderamente importante ¿de acuerdo? un buen profesor de
ciencias sociales de análisis científico estadística aplicada a las
ciencias sociales o iconometría o psicometría o como le llamen a tu
distintina aplicada a las ciencias sociales sería un obseso del concepto
de causalidad y os preguntaría todo el tiempo en el examen por el concepto
de causalidad a nivel teórico si tú eres capaz de contestar a ese
concepto bien es que algo has aprendido ¿de acuerdo? vale pues vamos a ver
oye, si tenemos las covarianzas y las medias pues otra manera de expresar
desde el punto de vista del álgebra lineal los cálculos que nos conducen
al alfa, al beta1 y al beta2 pues es esta esta es una forma muy habitual de
trabajar porque si estuviésemos en un examen los datos no nos lo van a dar
en sumatorios habitualmente los datos nos lo van a dar en varianzas,
covarianzas y esperanzas matemáticas si nos dan varianzas, covarianzas y
esperanzas matemáticas la forma de plantear el examen es este modelo que
tengo aquí en ese caso la matriz x'x es una matriz de 2x2 que es la que
veis ahí n por varianza de x1 n por covarianza de x1 a x2 voy leyendo por
filas n por covarianza de x1 a x2 n varianza de x2 la matriz x'y ¿cuál
sería? n covarianza de x1 n covarianza de x2 ¿cómo se calcularían beta1
y beta2? pues hallando la inversa de esa matriz x'x de 2x2 y multiplicando
esa inversa por la matriz de x'y y una vez que tengamos beta1 y beta2 ya
podemos calcular alfa ¿cómo? como esperanza matemática de y menos beta1
que multiplica por esperanza matemática de x1 menos beta2 que multiplica
por esperanza matemática de x2 ¿si? como veis en las matrices x'x y x'y
aparecen n ¿verdad? cuando halléis la inversa y multipliquéis la inversa
por x'y esas n desaparecerán desaparecerán cuidado porque en cualquier
manual que os explique esto ya desaparecen las n es que tienen que
desaparecer el alumno cuando lo ve en el manual o en los apuntes o aquí en
la transparencia que tengo yo claro, ya veis que en la parte de abajo de la
transparencia no aparecen las n, han desaparecido ¿verdad? porque al
operar, al hacer la inversa y multiplicar desaparecen pero si no
multiplicas a través de la inversa las n están ahí ¿de acuerdo? más
cosas todo esto es un concepto muy básico ya veis que hemos explicado
hasta ahora casi nada hemos explicado que nos interesa la causalidad hemos
explicado un poquito que en estadística ya sabemos que la relación entre
variables se aproxima a través de covarianzas y correlaciones y poco más
y he hablado un poquito de algebra lineal ¿no? un poquito de algebra
lineal y de un método que se llama mínimos cuadrados ordinarios que tiene
la virtud de que se basa en algebra lineal por lo cual es sencillísimo lo
sabe hacer por hielo tiene esa virtud pero tiene desventajas tremendamente
importantes o sea, tiene limitaciones muy serias después las explicaré
más adelante las explicaré más conceptos que hay que empezar a poner
encima de la mesa pero que casi casi son todos recordatorios de
estadística todo esto pues son cuestiones de estadística hay un concepto
en estadística que se llama suma de cuadrado residual suma de cuadrado
residual hay otro concepto que se llama suma de cuadrados explicada y hay
otro concepto que se llama suma de cuadrados total este último la SFT suma
de cuadrados total es la suma de la suma de cuadrados explicada más la
suma de cuadrados residual y los otros dos se calculan fácilmente con un
cálculo matricial o sea, usando de nuevo algebra lineal como la suma de
cuadrados residual se puede ver ahí ven la fórmula es el resultado de
restar dos expresiones matriciales dos matrices podríamos decir en
realidad son dos números son dos matrices de dimensión uno por uno o sea,
dos números, dos escalares la primera matriz de dimensión uno por uno es
I'I y la segunda matriz de dimensión uno por uno es B' B' significa
traspuesta de B siendo B el vector columna de los estimadores de los
parámetros alfa, beta1, beta2, etc beta' es la traspuesta de B que
multiplica por X'I bueno pues eso es la suma de cuadrados residual que es
un número que tiene una interpretación lo que nos importa es la
interpretación más que el cálculo matricial que es muy fácil y la suma
de cuadrados explicada también va a ser otro número porque si B'X'I en
una matriz de uno por uno que ya hemos calculado antes hay que restarle N
que es el tamaño de la muestra que es un número que multiplica por el
cuadrado de la media o esperanza matemática de I obviamente la esperanza
matemática de la variable I o media de I es un número que al multiplicar
ese número al cuadrado nos da un número de escalar y al multiplicar ese
número por N que es el tamaño de la muestra pues sigue siendo un número
también deberíamos ser capaces de interpretar qué significa la suma de
cuadrados explicada al sumar la suma de cuadrados explicada más la suma de
cuadrados residual obtenemos la suma de cuadrados total a partir de estos
conceptos y esto es de estadística introducción aparece un concepto que
es el de coeficiente de determinación que tiene algo que ver con el
coeficiente de correlación lineal de Pearson al que antes aludíamos y que
os recuerdo que era el coeficiente entre la covarianza y el producto de las
derivaciones típicas pues bien, el coeficiente de determinación que algo
tiene que ver con el coeficiente de correlación lineal como veis ahí en
la parte de abajo de la diapositiva es un coeficiente es un coeficiente
entre la suma de cuadrados explicada dividido por la suma de cuadrados
total y ese coeficiente va a variar siempre entre 0 y 1 en la medida en la
que se aproxime a 1 esto mide la bondad de ajuste a nivel muestral decimos
bondad de ajuste a nivel muestral tened en cuenta que nosotros en las
expresiones matemáticas que hemos visto antes la primera que vimos era
una, si prescindimos de la perturbación aleatoria o error vamos a
prescindir de momento de la perturbación aleatoria o error la primera
ecuación que vimos era y igual a alfa más beta por x eso es una línea
recta la segunda ecuación que vimos sin el error es igual a alfa más beta
1 por x1 más beta 2 por x2 eso es un plano es un plano la recta tenemos
sólo dos dimensiones, la x y la y y en el plano ya es tridimensional
tenemos x1, x2 e y restas de regresión y planos de regresión claro, con
lo cual aquí habrá nubes de puntos habrá nubes de puntos que es lo que
vimos en la gráfica, en la primera grafica aquella línea azul y aquella
línea roja de la x y la y en realidad son nubes de puntos y nosotros
estamos pretendiendo ajustar o bien una recta o bien un plano a esa nube de
puntos cuando pretendes hacer ese ajuste ese ajuste puede salir mejor o
peor si sale bien el r cuadrado tenderá a ser 1 si sale mal, el r cuadrado
tendrá a ser 0 y desde luego el concepto más importante que hemos
explicado hasta ahora es el que voy a explicar ahora y ya estoy casi
terminando sigma cuadrado sigma cuadrado lo veis aquí en la penúltima
fila, ¿verdad? sigma cuadrado es el estimador de la varianza de las
perturbaciones aleatorias o errores este es un concepto serio este sí
hasta ahora no es fácil, hasta hablar de matemáticas de algebra lineal y
una introducción a la estadística pero cuando ya hablas del estimador de
la varianza, de la perturbación aleatoria o error ya hay que hacer una
reflexión de mayor calado eso ya es estadística de verdad eso ya es
estadística teórica, estadística probabilística estadística con
mayúsculas y por tanto ya empezamos a hablar de econometría de verdad el
cálculo de este estimador es muy sencillo, es un cociente es un cociente,
en el numerador aparece la d, que es la suma de cuadrado residual y en el
denominador aparece n menos k n es el tamaño de la muestra y k es el
número de regresores incluyendo el término independiente en la ecuación
i igual a alfa más beta por x ¿cuántos regresores había? 2, alfa y beta
y en la ecuación i igual a alfa más beta1x1 más beta2x2 ¿cuántos
regresores había? 3, alfa, beta1 y beta2 pues eso es k y después aparece
aquí en medio en medio, aparece una multiplicación muy sugerente este es
un concepto ya muy, muy sugerente muy importante que es ese sigma cuadrado
que es el estimador estimador y sesgado ya el próximo día hablaremos de
esto de estimadores y sesgados el estimador y sesgado de la varianza de la
perturbación aleatoria del error multiplicado por por supuesto ese
estimador es un número multiplicado por una matriz un número multiplicado
por una matriz que es la inversa de x' a x cuando tú multiplicas un
número por una matriz, el resultado es una matriz que resulta en
multiplicar todos los elementos de la matriz por el número en cuestión
pues dentro de esa matriz resultante que es una matriz apasionante esto ya
es esto ya es de verdad estadística esto ya es de verdad geometría ahí
dentro van a estar las varianzas de los estimadores de los parámetros de
nuestro modelo de relación y ya hemos llegado a un punto que empieza a ser
interesante ya no es sólo álgebra lineal ya no sólo es la estadística,
ya es algo más ya es al menos estadística teórica estadística
probabilística que se supone que lo habríamos estudiado antes de llegar a
geometría pero bueno, yo lo voy a explicar despacio las cosas importantes
las explicaré despacio y hombre, las más facilongas las explicaré más
deprisa pero si alguien tiene problemas que levante la mano o que mande un
mensaje al chat y le atenderemos termino con esta idea es un breve
recordatorio es un breve formulario todos sabéis calcular según este
formulario que hay aquí medias, varianzas y covarianzas ¿a que sí? este
formulario lo sabemos todos medias, varianzas y covarianzas y hasta aquí
esto ya es estadística de verdad hasta ahí hasta ahí sabemos todos
llegar vamos a ver si los que están en el chat todos sabéis calcular
medias, varianzas y covarianzas y todos tenéis un cierto nivel de álgebra
lineal y de estadística introducción o descriptiva al menos porque hoy lo
he hecho más que álgebra lineal y estadística introducción hasta aquí
podemos llegar bueno, ahora os voy a dejar con Cipri para que empecéis con
la parte práctica hemos avanzado poco en el transporte de contenidos
aunque bueno hemos avanzado de tal manera que ya podéis empezar a meter
números en su software porque como yo ya puse unos números ¿verdad? unos
números de una variable X y una variable Y pues ya podemos bajar su
software y podemos empezar a meter números en ese software para empezar
entonces, Cipri hoy con tiempo os va a explicar muy despacio muy paso a
paso cómo bajaros este software todos ahora los que estén en casa tienen
que bajarse y los que estéis aquí hay que bajaros también al ordenador
del aula y cuando lleguéis a casa por favor porque todavía vamos a
trabajar hay que bajarnos del equipo de casa para seguir trabajando suerte
bueno, vamos a ver lo primero que tenemos que hacer para poder utilizar el
software es bajarlo entonces aquí en el aula ya tenéis el software en los
ordenadores ¿quieres entonces la clave para entrar en los ordenadores es
programación y el número arriba aquí desarrollo 1, 2 3, 4, 5 vosotros ya
habéis entrado y tú tienes que poner aquí desarrollo el usuario es
desarrollo y ahora explicamos a los de casa también para que lo vayan
bajando primero vamos a explicar aquí al aula para que lo puedan bajar en
el ordenador pues tienes que poner aquí desarrollo 1, 2, 3, 4, 5 6 y aquí
la clave programación la primera con mayúscula guión bajo y el número
que tiene el desarrollo pues sería el 6 es un 6 ¿qué? sí, la primera es
mayúscula si no pasa nada no te preocupes y ahora explicamos también a
los de casa para que ellos lo vayan bajando primero vamos aquí para que
puedan entrar en los ordenadores ya está vamos a ver si lo tienes la
mayoría no tendrá ¿tú sí lo tienes? aquí sí que está y aquí
tenéis una carpeta, los que estamos aquí y los dos archivos que os hemos
enviado podéis bajarlos e ir guardando ahí esa carpeta podéis guardar y
hacer la opinión bueno, pues ahora ya que todos los que estamos aquí ya
tenemos el ordenador tendríamos que bajarnos el programa vosotros ya lo
tenéis bajado esto que tú lo tienes bajado me parece que el ordenador no
está compruébalo y si no, hay que bajarlo pues lo primero que tendríamos
que hacer es un software gratis por lo tanto lo primero que tenemos que
hacer y lo que vamos a ver hoy va a ser esto introducción, gestión de
datos vamos a ver un cuadro de gráficos y vamos a ver una estimación para
actos por mínimos cuadrados ordinarios pero ahora lo vamos a ver desde el
punto de vista de un ejemplo porque lo único que vamos a hacer va a ser
meter datos en el ordenador y vamos a ver si hay relación entre dos
variables pero no consiste en que haya causalidad entre dos variables tiene
que haber detrás un estudio económico que explique qué relación hay
entre dos variables porque tú puedes meter este programa informático la
renta de Australia y el empleo en España y posiblemente el software te va
a decir que puede haber una correlación con las variables económicas que
van a crecer en el tiempo y puede decir que hay una relación entre ellas
pero no hay ningún estudio económico que diga que hay una relación entre
ellas y que se pueda explicar estadísticamente sí puede haber una
relación entre ellas pero en econometría no solamente sirve con eso tiene
que haber un estudio económico que haya realizado un estudio económico y
tú explicar ese estudio económico mediante esas variables y ver si hay
una causalidad entre ellas así que lo que vamos a hacer hoy es simplemente
meter datos lo primero que tenemos que hacer es entrar puedes poner en tu
buscador o en esta dirección pinchas en esta dirección y vamos a buscar
en el que yo os pasé esta dispositiva está distinta bueno, buscamos aquí
pinchamos pincha a ver si te deja para bajártelo y una vez que ya hemos
pinchado no sé si desde casa tenéis algún problema al bajarlo pero vamos
primero pinchar en la página si queréis lo hago yo aquí pero lo voy a
hacer yo también porque en este ordenador el ordenador que estoy aquí
ahora trabajando no lo tiene entonces lo voy a hacer después pincho aquí
Gretel para Windows el que tenga un App que pinche para Mac lo que quiera
según el ordenador que tenga después todo el bajártelo para 32 es de 4
eso da igual yo lo voy a bajar aquí para 32 y bajo la última versión que
tenemos aquí que es de 22 de diciembre de 2019 la más reciente me está
aquí ya bajando yo no sé si va a ser tú espera, tengo una pregunta
¿cuál descargo es este? ¿lo pongo en ciego? ¿por dónde voy a bajar?
¿cuándo subo? aquí lo tienes pinches aquí una vez que ya lo tenéis
bueno, tarda un poquillo está todavía bajando vosotros como bueno ya lo
tenéis pero bueno, esto lo sabéis hacer con el ordenador que no son de
verdad no es minimizado es que hay veces que se atasca eso pues este este
va bien ese esto va bien ¿puedo entrar con esto? vuelve a entrar, ahí
está programación mira, lo voy a poner aquí ¿qué hay en mayúsculas?
animación guión bajo y el ordenador que tengas el 3 bueno, sigue bajando
va un poco lento porque como estos están todos en línea y no tienen mucha
capacidad estos ordenadores tampoco y no están actualizados pero bueno
espero que lo vaya bajando los que estéis en casa si tenéis algún
problema aquí todavía igual en casa ya os va más rápido y lo bajáis
más rápido pero bueno, este ordenador es un poco lento y por eso va muy
despacio bueno, ahí está casi ya lo tenemos ejecutamos elegimos el idioma
el modo es siempre poco a poco le vais diciendo que sí siguiente si
queréis añadir para que os aparezca en vuestro escritorio y os vamos a
instalar es un software gratuito y lo bueno que tiene que para los trabajos
así de economía como los que vamos a hacer nosotros pues es muy útil
cerramos aquí y ya vemos en nuestro escritorio la aplicación después ya
entramos en ella bueno todo esto ya lo hemos hecho no sé si en casa los
que estáis habéis tenido algún problema pero es muy sencillo simplemente
ah, para Mac simplemente donde yo he pinchado en la página anterior
tenéis que poner para Mac que te lo he indicado espera un momento sí
aquí y aquí tienes Gretel Mac pues aquí que tenga un Apple le da ahí en
los pasos va a ser lo mismo nada más que es para Mac no hay ningún
problema es exactamente lo mismo que hemos hecho para Windows es igual para
Mac así que no tenéis ningún problema bueno ya tenemos el icono y ahora
si pinchamos esto sería nuestro menú de inicio si queréis pinchar y
aquí lo primero que nos sale nos sale aquí archivo, herramientas datos,
ver, añadir, muestra, variable modelo y ayuda ahora vamos a ir explicando
cada uno de los iconos hay algunos que estarán activados lo de datos, ver,
añadir, muestra y variable eso no está activado porque no hemos metido
ningún dato una vez que metamos datos pues ya se activa y ya podemos
empezar a jugar con ello lo primero en ayuda hay una guía guía de usuario
con la podéis bajar y ahí tienes todos los conocimientos que quieres lo
puedes bajar también hay iconos aquí directos que lo mismo que yo voy a
buscar por aquí también hay iconos directos por ejemplo para calcular los
mínimos cuadrados ordinarios aquí lo tienes el de ayuda aquí para la
guía de usuario bueno pues en esa guía de usuario te pone todo sobre esta
aplicación lo podéis bajar ir leyéndolo empezamos aquí con archivo
aquí en archivo lo vamos a utilizar aquí tú puedes bien en este programa
meter tú los datos a mano normalmente vas a meter muestras imagínate
datos 6 temporales claro, si son muchísimos datos a veces que tú puedes
ir puedes ir al Banco de España o al Instituto Nacional de Estadística y
te puede dar 6 temporales muy grandes entonces lo que puedes hacer es
bajártelo a una extra y el ordenador te chupa de distintos formatos como
de Word o de Excel eso lo vamos a ver otro día en una Excel para que él
entienda los datos que está en una Excel tienes que utilizar la primera
fila la primera columna no se lo puedes poner en mitad de la Excel en la
fila 3 o en la mitad en la 34 si no, no lo va a entender eso lo vamos a ver
otro día y aquí vamos a empezar con un nuevo conjunto de datos y vamos a
empezar a introducir valores a mano antes vamos a aplicar algunos iconos y
después ya vamos introducimos los primeros valores del caso 1 que dejó
Jorge hoy y lo metemos nosotros a mano después aquí en herramientas en
los libros de estadística el de Econometría por ejemplo aquí de la UNED
pues tiene estadísticas valores esto también lo tienes aquí en el
programa por ejemplo si quieres calcular quieres hacer una análisis de
cada una de las variables lo que había dicho antes Jorge también lo
tienes aquí y puedes hacerlo después una vez que ya metamos datos ya se
nos va a facilitar en el menú en datos una vez que hemos metido datos
sobre una variable por ejemplo la primera que vamos a meter pues ya puedes
sobre esa variable te va a mostrar valores editar valores te faltaban
algunas observaciones si quieres añadir alguna observación si quieres ver
cómo es esa variable quieres que te muestre de esa variable imagínate que
quieres que te muestre de esa variable su gráfica todo eso claro, a la
hora de tú hacer un examen no tienes un software y no vas a ver estas
representaciones gráficas eso está claro y claro esto, el mínimo
escuadro se dio en esto te lo calcula una vez que tengamos los datos si tú
habías metido los datos esto te lo hace en 3 segundos en cambio si tú
esto tienes que calcular no tienes que calcular las matrices aunque si te
da valores, te dé una muestra o bien te dé covarianzas o varianzas si
tienes que calcularlo lleva bastante rato y encima que no te equivoques
porque ya si encima te equivocas y estás interpretando y no has
interpretado bien el modelo económico y lo vas a interpretar a partir
también de los datos que te van dando te puede enseñar algunas
concurrencias y ya puedes realmente todo lo que tú encuentras en el examen
no es calcular las matrices sino la interpretación claro, si tú ya lo has
calculado mal y no te has dado cuenta que lo has calculado mal ya vas a
hacer una mala interpretación únicamente que conozcas bien el modelo en
profundidad y sepas que lo que te está dando el modelo lo que tú estás
calculando sabiendo que no es correcto con lo que dice el modelo entonces
si lo explicas seguramente te va a poner bien no te lo van a poner perfecto
pero lo que más valoran es la interpretación y si tú la interpretación
la haces bien aunque te hayan salido mal los cálculos posiblemente el
examen lo tengas aprobado para que veas la importancia de lo que tiene lo
que es importante es la interpretación bueno, después aquí para ver
vamos a utilizar por ejemplo el gráfico para ver si en una serie temporal
se te da distintos gráficos gráficos múltiples después te da también
cuando hablamos de la correlación pues aquí puedes calcular la matriz de
correlación simplemente que te va a valer de ejemplo para ver qué
relación hay entre dos variables de momento estamos viendo a nivel
estadístico y muestra bueno, después aquí también en lo de añadir hay
veces que normalmente lo has explicado un sistema, un ecuacional simple y
múltiple pero es lineal lo que hemos visto es lineal hay veces que no va a
ser lineal entonces tenemos que pasarlo a logaritmos cuando tú te das un
modelo por ejemplo con Douglas y que ya es exponencial para poder trabajar
tú con él y tengas una muestra y tengas los valores de esa muestra lo que
tienes que pasar es a logaritmos para poder trabajar con él que también
tendrías que hacerlo en SAR bueno, pues aquí claro lo pasamos a
logaritmos y ya tendríamos esas variables en logaritmos ya tendríamos que
interpretarlo teniendo en cuenta que ahora tenemos logaritmos bueno, pues
aquí te va a dar una muestra después también aquí sobre la muestra esto
lo vamos a utilizar menos aquí te va a decir la muestra que estamos si
quieres establecer rangos, algún criterio en vez de trabajar con toda la
muestra imagínate y dices pues voy a trabajar con una muestra una muestra
más pequeña normalmente cuando las muestras sean más grandes mejor va a
ser el estudio así que normalmente lo que es importante es que la muestra
sea lo más grande posible y si tiene más variables aunque de por si
fuéramos a buscar modelos lo más simples posible y después aquí lo de
variable es lo que vamos a utilizar sobre todo aquí te va a decir qué
valores tenemos si quieres calcular algún gráfico de la variable que
tengas coeficientes y si quieres hacer algún contraste a normalidad pues
ya te lo hace también me demoré muchísimo tiempo a hacer eso y en el
software te lo haría al instante y después ya por último el modelo el
modelo nosotros vamos a utilizar mínimos cuadrados ordinarios entonces
aquí utilizaríamos mínimos cuadrados ordinarios se pueden utilizar otro
tipo de estimación por ejemplo la máxima de absurditud puedes utilizarla
mínimos cuadrados no lineales pero normalmente lo que tú vas a utilizar
va a ser mínimos cuadrados ordinarios ¿vale? pero te da facilidades para
hacer más estudio vamos a utilizar mínimos cuadrados ordinarios porque
sea más sencillo más simple por eso vamos a utilizar ese vale lo primero
que tenemos que hacer para la gestión de datos antes de poder empezar a
trabajar con estos datos tenemos que saber que Grether va a utilizar su
propio formato para almacenar datos el formato que tiene en vídeo su
extensión es GDT entonces tú puedes guardarlo en esta extensión y
después abrir los datos o también si quieres como guardar el programa y
ya lo guardas en GDT y lo puedes guardar guardar como o guardar en el
propio programa y ahí te lo va a guardar en la carpeta que hemos creado
hoy donde se guarda el programa ahí te lo va a guardar se puede guardar de
dos maneras y si no los quieres guardar los vuelves a subir porque tampoco
tardas nada una cosa es si lo tienes que meter a mano claro, si lo metes a
mano es mejor que lo guardes si no, pues tardas bastante y te lo sale
directamente Grether también puede importar archivos de distintos formatos
como ya dijimos estos tipos de formatos pero sobre todo la gente ¿qué vas
a utilizar? sobre todo Excel es lo más común es utilizar Excel pero
bueno, guarda más tipo de datos normalmente si tú vas al Banco de España
o vas al Instituto Nacional de Estadística donde tienes muchísimas
variables pues te las va a permitir bajar siempre a una Excel que es más
útil y te va a permitir subir los datos rapidísimo bueno, entonces lo
primero que vamos a hacer nosotros es lo del caso 1 y vamos a meter los
datos del caso 1 tanto los que estéis aquí como los que estéis en casa
los datos del caso 1 lo tenéis ahí yo os voy a explicar un momento cómo
se hace y vuelvo otra vez a esta página sobre todo para los que estéis
aquí o los que estéis en casa y podéis seguir mirando esta página
mientras vais subiendo los datos que es más útil ahora lo vamos a hacer
dos o tres a mano es un rollo pero bueno, de momento tampoco los
conocimientos que tenemos de momento es para hacer estadística vamos a
hacer una muestra nosotros lo que vamos a hacer es la causalidad lo que
queremos hacer es esa ecuación que nosotros estamos calculando vamos a ver
si esa ecuación es válida a nivel poblacional y una vez que hagamos tanto
los parámetros los alfa y los beta y también si la perturbación
aleatoria o error, porque no todo el modelo lo explican las variables que
tengas hay una parte que no está explicada y que si bien la perturbación
aleatoria o error vale, después una vez que todo esto tanto calculamos los
alfa y los beta y que veamos que a nivel muestral es correcto y que la
perturbación aleatoria cumple unas propiedades que tampoco las he
explicado aquí cuando ya las veamos pues una vez que veamos esto ya
tendremos una ecuación que veremos si es válida o no válida a nivel
poblacional y si es válida a nivel poblacional pues esa ecuación nos va a
servir para, normalmente vas a utilizar por ejemplo predicciones como va a
crecer la población o como va a crecer la demanda pues en función de eso
tú vas tocando unas variables y normalmente van a ser también a corto
plazo me refiero a dos o tres años no puedes a veces hacer unas
predicciones a más largo plazo con esto después ya hay programas pero
necesitaríamos un software muchísimo mayor no hay problemas en el
gobierno no, mira si te sigues dando trabajo parece que le he tratado bien
también le he dado pero me he vuelto ya está ve, está buenísimo la
tienen cargada de arriba ahora les explico yo entra aquí, crece el
software pincha donde tienes que ir bueno, ahora ya que estamos todos otra
vez hubo un problema técnico y ya no lo han arreglado desde INTEC tiene
que ser desde arriba desde aquí no puedo arreglarlo y ya que lo han
arreglado bueno, les estaba aquí explicando que lo primero que tenemos que
hacer vamos a mirar que está todo el mundo indicadme si ya lo veis bien
desde aquí parece que ya está todo arreglado ya lo he resuelto ya se ha
resuelto el problema técnico si todos lo veis bien seguimos vale, perfecto
ya está ahora mismo no es posible ver la imagen te ponía ahí bueno pues
ya estamos aquí ahora vamos a meter vosotros ir metiéndose vamos a meter
el nuevo conjunto ya está bien hola quedo aquí mirando la cámara no me
había fijado bueno es un poco más rollo vale, perfecto si se vuelven a
cortar esperas a que conectemos nosotros y le das al 1 vale, lo doy al 1
cuando veáis que ya está lo doy al 1 y ya está bueno, ya está bueno
perdonadme por esto Son cosas que pasan del 10. Bueno, pues lo que íbamos
a hacer ahora mismo era meter los datos. Y vamos a empezar metiendo los
datos a mano. Como ya expliqué, bueno, se había cortado, este programa
permite introducir los datos a partir de, por ejemplo, de una Excel o de
formato SAT, AST2, bueno, normalmente lo que más se utiliza va a ser una
Excel. Pero nosotros para empezar hoy vamos a introducir los datos.
Entonces lo que tenemos que ir a nuevo conjunto de datos, pinchar en nuevo
conjunto de datos y vamos a introducir los datos que tengo yo aquí que le
llamamos caso 1. Para introducir estos datos pinchamos en nuevo conjunto de
datos porque lo vamos a hacer a mano y lo primero que nos va a pedir va a
ser el número de observaciones. Aquí vemos que son de 1998 a 2009 que son
exactamente 12 observaciones. Tenemos que ponerlo. Aceptamos. Después
vamos a estructura de conjunto de datos y tenemos que indicarlo cómo son
los datos que vamos a introducir. Si es una sección cruzada, una serie
temporal o un panel. En este caso es una serie temporal. Es una serie
temporal. Explicamos aquí la diferencia que hay entre una serie temporal y
datos sección cruzada o datos panel. Es una serie temporal porque nos da
una variable, en este caso dos variables, cómo van variando en un periodo
de tiempo, distintos años. En este caso nos da anual, que también puede
ser semestral, nos puede dar por distintos datos. Esto nos lo va a pedir
también el programa. Sección cruzada sería en un año por distintas
variables pero en un año distintos conceptos. Y datos panel sería una
muestra, un conjunto de los dos. Sería una mezcla de los dos. En este caso
son series temporales. Tenemos que poner la frecuencia en este caso, como
hemos visto en el caso 1. Es por años. Podría ser semestral, mensual,
semanal, diarios, incluso otro. Podrían darte lo otro y tú tendrías que
poner el que tú veas. Por ejemplo, cada tres días. Imagínate. Le damos a
siguiente. Seleccionamos anual. Después te piden que pongas el primer
año. En este caso el primer año era 1998. Seleccionamos 1998 y le damos a
seguir para empezar a introducir los valores. Le damos a aplicar. Y lo
primero que tenemos que hacer es introducir el nombre de la primera
variable. En este caso, como estamos ya para meter datos, no hemos
identificado las variables. Simplemente son datos. Le ponemos a la primera
y le llamamos i. Una vez que le hemos llamado i, se nos activa. Y se nos
activa en función de los años que le hayamos dicho. Como dijimos que era
anual y era desde 1998, se nos activa hasta 2009. Entonces empezamos a
introducir uno a uno. Y una vez que, cuando vamos introduciendo los datos,
le podemos ir dando al cursor para ir bajando. Si fuese, imagínate que
fueran datos que parecieran 20,50. Bueno, pues tenéis que meterle la... En
este caso hay veces que no coges la coma, tenéis que hacerlo con el punto,
si no coges la coma. Y lo voy a ir dando. Y una vez que ya habéis metido
toda la columna, en este caso, los valores de la i, tenemos que hacer lo
mismo con la x. Para eso, una vez que hayamos terminado de meter todos los
valores de la i, comprobamos que son todos correctos, le daríamos al más
y ya nos habilitaría para una siguiente variable. La siguiente variable
llamaríamos x y volveríamos a hacer lo mismo. Y con la vez que he
terminado le daríamos al ticket y ya está. ¿Es que nos hubiera faltado
algún valor? O que se nos hubiéramos equivocado. Pues se puede modificar.
¿Vale? Iremos a editar valores y podemos modificarlos, incluso añadir
alguna observación más, todo eso. ¿Vale? Bueno, pues entonces ahora, los
que estéis estando en casa, los de aquí ya lo han empezado porque se
había cortado. Los que estéis en casa, os dejo aquí la pantalla para que
vayáis metiendo estos datos y si tenéis alguna dificultad, pues nos
decís. Vamos a dejar más o menos unos 5 minutos para que lo hagamos. Y
mientras tanto, me voy a confesar para ver si funciona el ordenador. Aquí,
¿de dónde habéis dado? Aquí, aquí. A esta. ¿Qué vale esta? No da
igual. Yo puedo con los dos también. Ya está. Mire, esto está bien.
Bien. 4, 3, 2, 1. Lo que pasa es que este ordenador pide x. ¿Sabes? Ay,
malo. No vuelves a elegir más de esos ordenadores. No vuelvo a elegir
más. Te lo tenía yo puesto. Muy bien. Fue muy guay leerlo. No hay
problema. ¿Sabes lo que pasa? Que como es práctica... Es un joy. Vale,
ejecutamos y ya lo tenéis. Aquí está. Eso. Y ahora ya pueden meter los
datos. Español. Siguiente. Siguiente. Ya lo tienes. Tengo que terminar.
Bueno, menos hora tengo. ¿Qué dos horas paga esto? No sé. Bueno, lo que
pasa ahora aquí es que el ejercicio es que sí, que lo doy. Ahora ya es
que puedo. Es justo que no se puede leer esa versión. Ya está. Archivo.
Nuevo conjunto de datos. Dijimos que eran 12. Ponemos 12. Aceptamos. Sería
temporal. Anual. 1998. Un poco perdido, pero bueno. 1998. Adelante. Ahí
está. Le llamamos un sí. Con un e. Y ahora ya empieza a meter el número
2. Lo hace el número. 60. 65. 62. 61. 55. 53. 60. 63. 53. Fíjate que
piché fuera, en el último. Le das a más. Añadir variable. Y le damos a
ajustar. Y hacemos lo mismo. Y cuando termines tú, pasamos al siguiente.
Claro. Normalmente en un examen lo normal es que ya ni te den una serie
temporal ni nada. Te den covarianzas y varianzas. El problema que te den
covarianzas y varianzas es que tú no vas a hacer una representación
gráfica. Entonces tú, al no ver una representación gráfica, ahora lo
vamos a ver ya te sirve para ver cómo se mueven las dos variables. O si
son tres, cómo se mueven las dos variables. En este caso, el primer
ejercicio que es una ecuacional, que es una sola ecuación y con una
variable explicativa y es una exógena que vamos a mirar sería una recta.
Pero claro, si todavía en un examen te dieran esto, una serie temporal y
te dieran las variables aunque no pudieras dibujarla ya podrías seguir
viendo cómo esta va creciendo y esta va decreciendo. Y ya puedes
imaginarte que hay una relación indirecta entre las variables. Pero claro,
no tienes un software para hacer las cosas. Pero bueno, eso te puede
ayudar. Una vez que hayamos terminado de meter los datos no sé si desde
casa habéis tenido algún problema para meter los datos si ya todos
tenéis metido los datos. Aquí ya los hemos hecho. Ya tenemos todos los
datos y hemos estado al programa también. Tenemos ya todo hecho. Y así
que ahora vamos a empezar. Hoy va a ser muy sencillo porque simplemente
hemos metido datos y vamos a hacer mínimos cuadrados algún gráfico,
mirar la correlación poca cosa más. Vale. Pues vamos a empezar ... Vamos
a seguir. Una vez que ya hemos metido los datos pues ya en nuestra pantalla
nos van a aparecer los dos datos, veréis los datos que tenéis ahí, x y y
pondrá datos no guardados. Lo primero que tenemos que hacer es vamos a
guardar los datos. Pues vamos al archivo guardar datos. Guardáis los datos
y le ponéis por ejemplo como nombre caso y ya lo vamos a guardar en la
carpeta que hemos creado secreto. Y lo vamos a guardar en formato GDT. Si
ahora lo veis, volvéis a enviar ahí os aparecerá, si están bien
guardados os tiene que aparecer arriba caso 1 GDT Entonces está guardado
en formato ... Un momento ¿Ya lo tienes? ¿Vale? También antes de guardar
los datos podríamos haber seleccionado las dos variables, ir a datos y ver
que hemos metido bien los datos porque si tú haces un cuando metes a mano
el problema imagínate que tú pones estos datos erróneos y distintos a
los que tenemos aquí va a salir totalmente distinto. Entonces por eso es
importante siempre meter bien los datos. Vale, pues una vez que ya hemos
guardado los datos ya podríamos mirar en guardar nos aparecerá caso 1
formato GDT que es el formato que tiene GDT ¿Vale? Hay que guardar los GDT
pero imagínate que lo hubiéramos tenido ya en una Excel y no queremos
guardar los casos Bueno, pues no pasa nada. Si le damos ahora a mostrar
datos esto es simplemente para mostrar bien los datos para ver que todos
los datos que has metido están correctos Si ves que falla algún dato o
tal tendríamos que ir a editar datos y tendríamos que volver a meter los
datos Es importante que los datos sean bien para que todos nos hagan un
buen resultado no nos va a salir igual Una vez ya que tenemos metidos los
datos lo primero que vamos a hacer ya que tenemos las variables vamos a ir
a ver ya dijimos que era importante ver un gráfico para ver una situación
de cómo son las variables eso nos va a decir qué relación hay entre las
variables Tenemos que pensar que en el momento estamos siempre esto es, en
Estadística estamos trabajando con muestras no con toda la población
Bueno, pues te sale una pantalla que pone Gretel definir gráficos gráfico
y en el lado izquierdo te pone las variables y si quieres un gráfico para
las dos variables tienes que seleccionar las dos variables y pasarlas al
lado derecho y una vez que seleccionas las dos variables y las pasas al
lado derecho le das a Start y ahí te sale el gráfico A simple vista ya
veíamos que tenía una relación inversa entre las dos variables Más o
menos se puede ver que una va creciendo y que la Y va decreciendo Esto te
sirve de ayuda simplemente para saber que cuando tú hagas la ecuación y
lo peor es que te salga vas a tener que salir un valor negativo porque va a
haber una relación inversa entre las dos variables Pero bueno eso
simplemente es para eso Tú en el examen obviamente no tienes la ayuda de
Gretel y no vas a ver esto y más, si encima no tienes las variables te van
covarianzas y varianzas esta posibilidad Bueno, lo primero que vamos a
hacer una vez que ya tenemos las variables metidas y tenemos ya la variable
metida lo que vamos a regular es estimar los parámetros Entonces para
estimar los parámetros esto se puede hacer a mano Es conveniente hacer los
primeros ejercicios para probar hacer a mano alguno Esto es muy simple
porque esto es una ecuación lineal y con una sola variable una represión
lineal simple lo más simple que hay siempre hay una variable explicada y
una variable explicativa Lo que queremos es la causalidad entre la variable
X como puede explicar en este caso la variable Y Sería conveniente hacerlo
a mano y para hacerlo a mano lo que nosotros queremos mediante esta
expresión lo que queremos calcular son, vamos a estimar esos parámetros
muestrados ¿Vale? Eso es lo primero que vamos a hacer ¿Cómo lo podemos
hacer en casa? Bueno, si tenemos ya la variable mediante el sumatorio que
tenemos aquí y esto nos daría lugar para poder calcular ya el alfa y el
beta Nosotros ahora cuando lo vamos a hacer al programa se tarda un segundo
y esto lo haces en casa pues va a tardar por lo menos una hora Vale,
entonces nosotros una vez que ya tenemos las variables vamos a hacer lo
mismo que se puede hacer en casa lo vamos a hacer nosotros ahora mismo
Vamos a modelo y en modelo ya dijimos que vamos a utilizar mínimos
cuadrados ordinarios ¿Vale? Vamos a mirar si desde casa tenéis algún
problema nos lo indicáis Una vez que hayamos introducido los datos y
tenemos todo seguimos, pues vamos a mínimos cuadrados ordinarios pinchamos
en mínimos cuadrados ordinarios y nos van a salir estas pantallas La
primera pantalla, que es esta la que está hacia la izquierda siempre va a
ser igual te va a poner siempre mínimos cuadrados ordinarios MCO te va a
poner siempre y en la ventana de la izquierda te va a poner siempre las
variables la LX y la constante siempre tiene una constante Y del otro lado
te va a decir en un cuadrito cuál debe ser la variable dependiente que es
la que tú quieres que te lo explique la otra variable la llamamos variable
dependiente o endógena ¿Vale? Pues tú seleccionas la variable en este
caso seleccionamos la I De momento, como no tenemos ningún modelo estamos
jugando Cuando ya hay un modelo pues ya tenemos la renta o imagínate que
estamos en un modelo de consumo de Keynes o que estamos en una función de
oferta pues ya tenemos una variable independiente ¿Vale? Pues pondremos la
variable dependiente seleccionamos la I y después seleccionamos los
regresores En este caso ya tienes la constante pues ya tienes que meter la
otra variable Y una vez que ya tienes el modelo que tiene la variable
dependiente y los regresores que sería la variable dependiente la
constante ya te la pone pues ya le das a aceptar Y una vez que tenemos que
aceptar ya nos va a salir el modelo 1 También después se pueden guardar
los modelos A ver, ¿por qué es esto? Porque imagínate que tuviésemos
queremos explicar una variable en el modelo anterior en vez de tener una
sola variable que tuviéramos 10 variables Entonces podemos diseñar
distintos modelos con la combinación de esas variables o esas variables
que vamos a poner en los regresores y entonces podríamos crear muchísimos
modelos Y al final Imagínate que si tuviéramos 10 variables y teníamos
una cantidad de modelos porque se pueden combinar entre ellas las variables
Pues podemos al tener un software pues podemos en una hora hacer muchos
modelos y podemos ir guardando los modelos Y después seleccionar el modelo
que es más representativo ¿Cuál es mejor modelo? ¿Qué modelo explica
mejor? Siempre se buscan modelos lo más simple posible Si puede ser
Entonces esto realmente el software está pensado para eso No para meter
una sola variable y hacerlo No, está pensado porque aquí tuviéramos
imagínate 10 variables más ir jugando con todas esas variables y con la
ventanita que nos va a salir ahora de ese modelo nos van a salir todos los
modelos que nosotros queramos ir guardando cada modelo Se pueden ir
guardando también los modelos Y nosotros podemos seleccionar al final
cuál es el mejor modelo Claro, tenemos que tener una teoría económica
para esa teoría económica que queremos estudiar Cuál sería el mejor
modelo y cuáles serían esas variables Entonces, cuando ya realmente, hoy
no vamos a utilizar redactores en un solo tiempo Cuando ya Jorge nos va a
dar unos ejercicios, imagínate sobre un estudio de la pizarra en la
provincia de León Entonces te va a poner distintas variables y tú vas a
poder jugar con el modelo y seleccionar cuál es el mejor modelo que mejor
representa Y una vez ese modelo a nivel muestra ya haces inferencia
estética lo pasas a nivel poblacional y la explicación de ese modelo
económico en función de lo que tú consideras que es el mejor modelo
después de haber utilizado todas las variables que tú crees que eran las
que tenías Eso sería a nivel práctico Por eso se utiliza el software Que
realmente un examen si nos dejara un ordenador pues daría muchísimas
variables y vosotros seleccionáis cuál era el mejor modelo y le
explicaréis por qué será el mejor modelo por qué ese modelo y no otro
Lo que pasa es que hoy por hoy en los exámenes no tienes el software
entonces no puedes hacer eso Vale, pues una vez que tenemos eso ya nos sale
esta pantallita Y sería el primer modelo Aquí no podemos hacer otro
modelo Tenemos el modelo 1 Tuviéramos 50 variables Imagínate la cantidad
de modelos que podíamos hacer y estudiar Aquí te da primero los
coeficientes El primero que sería el alfa y este sería el beta Eso es lo
que te está diciendo Si puedes ver la variable x que sería en el beta
tiene signo negativo Esto sí nos parece loco También podríamos haber
calculado si veis en el programa en la ventanita Bueno, después lo vemos
en correlación Bueno, después lo miro Y podríamos mirar la correlación
O también cuando vimos el gráfico vimos que el signo era negativo Ya no
nos sorprende que salga aquí negativo Porque vemos que hay una relación
inversa entre las variables De esta manera hemos calculado ya el alfa y el
beta Entonces en nuestra ecuación lo que tenemos que hacer es sustituir el
alfa y el beta por estos valores Y ya tenemos esa ecuación a nivel
muestral Después tenemos que saber si este alfa y beta son representativos
o no Si son buenos o no ¿Cómo podemos saber eso? Bueno, aquí te calcula
Eso se hace mediante unos estadísticos que tampoco le hemos explicado Hoy
me voy a adelantar un poco Pero bueno, realmente el tema es que tienes que
calcular los estadísticos Estos estadísticos te van a salir un valor Y
ese valor va a decir si es bueno o malo en función del valor que te salga
Aquí, por ejemplo, el software En función de que te salgan tres estrellas
Cuanto más las estrellas que te dicen que es representativo o no Eso es lo
que te está diciendo el software Lo que pasa es que hay que entenderlo
cuando tú lo calcules Me refiero a que tú cuando calculas en un
estadístico tienes que dejar a un lado a la derecha o a la izquierda y
tienes que coger un porcentaje Siempre que calculemos normalmente se coge
el 0.5 Bueno, pero eso como no lo hemos explicado de momento lo vamos a
dejar De momento lo que hemos aprendido hoy es que al meter los datos te va
a dar la dirección típica te va a decir los estadísticos a nivel
muestrado del alfa y beta y el valor P te va a decir El P sería ir a las
tablas y mirar si entra Si lo rechazas o lo aceptas Eso es lo que te va a
decir la tabla Lo que tú tienes que hacer Lo que pasa es que no lo hemos
visto Entonces, cuando salen tres estrellitas quiere decir que lo aceptas
Siempre lo va a aceptar en función del porcentaje Normalmente se toma 0.5
o 1 Depende de lo que tú hayas establecido Normalmente eso es 0.5 Entonces
te va a decir si estas variables son buenas Pero después también aquí te
va a dar los valores que tampoco y de estimaciones que nosotros no hemos
calculado y todavía no nos ha explicado que te va a indicar si el modelo
en su conjunto no solo las variables que hemos visto que las variables de
este modelo eran buenas Pero además te da R cuadrado para mirar Si
también tampoco lo hemos visto también te va a dar la media de la
variable te va a dar la suma de los cuadros residuales te va a dar en
distintos criterios te va a dar R cuadrado corregido y en función de estos
valores te va a decir si es representativo o no También te va a dar otros
contrastes como es Durville-Watson el criterio de Necke, el valor P Claro,
pero esos valores de momento no los hemos podido interpretar porque
todavía no los he dado en teoría Todo esto lo vamos a ver El próximo
día cuando se explique la teoría volveremos otra vez a este ejercicio
para poder interpretarlo De momento lo único que hemos visto es calcular
el alfa y el beta y hemos visto que el alfa y el beta si son
representativos, si son buenos por el valor que nos ha salido porque dentro
de la voluntad del ajuste se sale a la derecha e izquierda pero eso
todavía no lo he explicado Teníamos que saberlo hacerlo a mano para poder
interpretarlo aquí Me refiero a que aquí es muy sencillo pero tú tienes
que hacerlo a mano hacer un gráfico a mano y ver dónde cae el valor que
has calculado para saber si es representativo o no Pero eso como no lo
hemos visto, pues nada Y después a nivel global un estadístico a nivel
global tendríamos también que interpretarlo Aquí ahora nos sale 11,98 No
lo vamos a interpretar todavía También nos va a decir si es bueno o malo
Y también R al cuadrado es decir, la voluntad de este ajuste si es bueno o
malo aquí nos sale 0,54 muy bajo el estadístico para que más o menos sea
representativo Normalmente a partir de 0,75 Tampoco lo hemos visto Bueno,
todos esos valores que vemos aquí de momento no los hemos interpretado Tú
tendrías que saberlos calcular Por ejemplo la F tendrías que saber
calcular los estadísticos estos para ver si son representativos o no Y
como que la voluntad del ajuste tenés que calcular la identidad y tú
tendrías que calcularlos si son buenos o malos Esto de aquí tendrías que
calcular el valor P de la constante y de la X y el F Todo eso tendrías que
calcularlo Pero claro, de momento nosotros no sabemos si esto es bueno o es
malo porque de momento estamos haciendo unos cálculos Después ya lo vamos
a ver Y ahora tenemos aquí también un caso 2 Si queréis ya podemos meter
aquí los datos No sé si tenéis algún problema alguna duda desde casa
Ah, vale Estamos ahora aquí hablando de lo que salía al pantallazo Mira
¿Todo bien? Bueno, se cortó una vez, pero bueno El chat va siguiendo la
explicación Sí, lo único es que hay un poco de lío por eso Pero bueno
Desde casa estaba diciendo que ahora lo señalo aquí Estamos hablando que
nos da los valores de alfa y el que sería ahí, que lo estoy señalando el
beta, que sería este Hemos dicho que el beta es negativo ¿Por qué
negativo? Porque es una relación inversa Y ya lo vimos dentro de la
gráfica Por ahora no tiene sentido También hemos visto que este alfa y
este beta lo que hay que comprobar mediante un estadístico que se llama
cel estadístico tenemos que calcular este estadístico Y una vez que
calculemos este estadístico esto no lo hemos visto todavía La próxima
sesión en teoría vamos a ver cómo se calculan estos estadísticos a
mano, porque el programa ya no los da Una vez que ya tenemos estos
estadísticos también el próximo día vamos a mirar que estos dos
estadísticos que nos ha dado este valor vamos a ver si la voluntad de
ajuste a nivel individual o sea para este alfa y para este beta es bueno o
es malo Quiere decir que si este estadístico es representativo o no
Tampoco lo hemos visto Entonces el próximo día se va a ver cómo se
calcula esto y después también vamos a ver cómo se calcula en función
del valor que nos da este estadístico y cómo es la voluntad del ajuste si
es bueno o es malo Lo único que se adelanta hoy es que, por ejemplo, en
estos estadísticos si son buenos el programa para decir si es bueno o malo
es en función de las estrellas que sale aquí Cuando sale tres estrellas
quiere decir que es muy bueno Dos también sería aceptable Y ya cuando no
sale una estrella es que ya es malo, ya no sería bueno No puedes
explicarlo así Tienes que explicarlo en función de una gráfica que
tienes que hacer normalmente En esa gráfica tienes que explicar si la
voluntad del ajuste cae dentro de la zona representativa o no Si la
rechazas o aceptas Pero bueno, eso todavía no lo hemos visto y puede sonar
de chino Pero bueno, el próximo día cuando lo explique Jorge en la
siguiente clase va a ser muy sencillo Y una vez que ya entendamos cómo se
calcula la mano, ya será muy sencillo cuando lo veamos aquí Vamos a
calcular otro estadístico pero ya eso es a nivel no solo a nivel
individual de las otras variables sino a nivel global Si en su conjunto esa
ecuación es buena o mala Para eso vamos a utilizar este estadístico
FNEDECOR Aquí lo vamos a ver Vamos a aplicarlo a 11 Numerador Y en
función de este valor vamos a ver si es bueno o es malo y vamos a ver si
es representativo o no representativo El R al cuadrado y el R al cuadrado
corregido Que mira la voluntad de este ajuste Si este ajuste es
representativo o es malo Normalmente por criterio se toma que tiene que ser
superior a 0.75 Aquí está en 0.54 Se diría que a nivel global no sería
muy bueno Pero bueno, eso lo vamos a ver el próximo día en teoría De
momento también hay otros estadísticos como el de Woodwardson que nos va
a servir para mirar las variables y si hay falsa correlación Bueno, pero
eso cuando lo veamos Y claro el sistema pues claro El programa te permite
calcularlo todo de forma muy sencilla y entonces no tardas nada pero en
calcular simplemente los estadísticos tanto a nivel individual que sería
este de cada uno del alfa la constante sería el alfa y la X sería el beta
y el coeficiente Solo calcularlos a mano pues tardaría muchísimo En
función de las variables si después hacerlo también a nivel global
tenéis que hacer otro estadístico a nivel global también se tardaría
muchísimo ¿Vale? Cuando veamos ya el próximo día cuando veamos ya en
forma teórica cómo se calculan los estadísticos volveremos aquí y ya
veremos si son buenos o malos Bueno, yo os adelanté ahí que eran buenos
pero bueno, lo vais a ver muchísimo mejor cuando hagamos el gráfico Y lo
mismo a nivel global con la X ¿Vale? Eso lo vamos a ver Y una vez que
hayamos visto esto el problema es que como hemos avanzado tampoco podemos
en la práctica avanzar muchísimo más Lo que podemos ahora hacer si
queréis podéis meter ya el caso 2 y ya lo dejamos metido para el próximo
día y el próximo día ya seguimos aquí Hoy nos sobra tiempo porque no
podemos tampoco expandirnos más ¿En editar los valores? ¿Eh? Añadir
valores Al principio, archivo, añadir valores No sé si desde casa tenéis
alguna duda Vale, pues con la teoría que tenemos hoy llegamos aquí El
próximo día, como este modelo lo tenemos guardado pues ya podemos entrar
otra vez en el caso 1 cuando yo explique cómo se calculan los
estadísticos Lo que sería bueno que calcularon los alfa y los beta Por
ejemplo, cogierais el caso 1 y hicierais a mano para un ejemplo os sirve de
ejemplo Es lo más sencillo porque es una regresión lineal simple con una
sola variable y es lo más fácil Mira, aquí también en lo que hemos
visto y en ver podéis ir a matriz de correlación y os saca el coeficiente
de correlación Si queréis pincharlo dentro de ver seguimos en el caso 1 y
en la correlación aquí exactamente lo habéis dado Aceptar y con 0 en la
variable pues aquí te lo pone En la correlación cogéis las variables y
pasáis a aceptar y te sale menos 0,73 Sabemos que si tenéis una relación
inversa entre dos variables pues entonces sale negativa y sabemos que su
valor está entre menos 1 y 1 El programa te permite después para cada
variable estudiar todo lo que quede de cada variable te permite también
realizarlo Mirar toda su variable te permite calcular todos los valores
sobre una sola variable y todo tipo de gráficos Lo que pasa es que
todavía no hemos avanzado en eso cuando lo veamos ya vamos a ir haciendo
más cosas con software Hoy de momento con saber bajar el software saberme
añadir las variables el próximo día haremos otro ejercicio también para
el caso 2 meteremos los resultados de valores a mano y después ya en vez
de meterlos a mano yo os doy los valores en un Excel y os enseño yo a
coger el archivo directamente cargarlo y de esa manera no perdemos el
tiempo en meter los valores a mano y de esa manera ya podremos empezar más
rápido de trabajar y después también otra vez en otro ejercicio se puede
indicar que vayáis por ejemplo al Instituto Nacional de Estadística y que
os bajéis tal variable en tal periodo entonces hay que bajarse esa
variable en un Excel depurar un poco los datos también tenéis que saber
cuando son variables económicas hay veces, normalmente cuando son
variables económicas hay que tener en cuenta el IPC entonces que hay que
defractar las series y si es una variable económica pues meter todos en
una base en una base en un baño concreto para poder compararlo bueno, pues
todo eso se tiene que ir bajando por ejemplo puedes ir a una página como
normalmente al Instituto Nacional de Estadística para los valores
económicos los vas bajando tienes que depurar esos datos ya los subes
aquí al programa y si por ejemplo cuando hagamos un ejercicio que es por
ejemplo una función call tubulas que tenemos y pasarlas a logaritmos y
claro, si lo pasas a logaritmos tienes que también tener que entender la
interpretación que nos lo va a dar en teórico cuando Jorge te explique el
modelo call tubulas pues tenéis que pasar a logaritmos y una vez que pases
a logaritmos ya tenéis que hacer toda esta interpretación con logaritmos
vale pues si tenéis alguna duda o alguna pregunta o alguna cosa que
queráis saber porque hoy realmente hemos llegado donde hemos podido me
refiero que el próximo día hoy lo básico que es tener todo ese programa
y si queréis cacharrear con él o tenéis alguna duda pues podéis mandar
un correo yo os mandé estas dos presentaciones el próximo día os
mandamos el caso 2 entero caso 3 y ya cuando vayamos ampliando y llevamos
consciente pues ya se mandará algunos ejercicios prácticos me refiero de
de lo que se ve en la vida real por ejemplo hacer un estudio sobre
imagínate que te van a hacer un estudio pues sobre el vino o qué
variables influyen en el consumo del vino o del valor del vino o de la
pizarra las exportaciones de pizarra pues imagínate a Alemania o a Francia
o un estudio sobre las empresas de pizarra que había aquí en el Verde por
ejemplo consigues primero los variables con cuales se usa toda su
producción y quieres saber, predecir para un futuro si va a haber más
demanda de pizarra o no va a haber más demanda de pizarra y si vas a
hacerlo en Alemania pues igual tienes que tener en cuenta la renta que hay
en Alemania las construcciones que tienen previstas en Alemania, en
función de eso pues de esas variables una vez que tengas tu modelo si es
un buen modelo te puede ayudar a predecir imagínate que tú quieres saber
si tienes que extraer más pizarra o menos pizarra para exportar a Alemania
pues en función del modelo que tú hagas y sabes la demanda que va a haber
en Alemania puedes predecir qué demanda vas a tener en Alemania en los
siguientes años entonces puedes adelantarte y un empresario imagínate de
la pizarra, que se dedica a exportar a Alemania, pues tiene que saber más
o menos qué demanda va a tener en función de la demanda que va a tener ya
puede utilizar esa empresa si contratar más gente si sacar más pizarra y
lo que necesite para poder atender a esa demanda bueno pues lo dejaremos
aquí y el próximo día ya seguimos aquí en el caso 2 y a partir del caso
2 si tenéis alguna pregunta pero vamos a mirar aquí sí, mira para el
caso 2 que me dices aquí, introducimos valores como sección cruzada en
vez de serie temporal no, siempre que vas a introducir los valores tienes
que tener en cuenta cómo te los estamos dando en este caso te darás
cuenta que es una serie temporal ¿por qué? aunque pone aquí el número
de observaciones el número de observaciones puede ser años aunque no te
parezca aquí puede ser año 1, año 2, año 3 pero bueno por eso es una
serie temporal porque queda una variable en distintos periodos de tiempo
este periodo de tiempo normalmente vamos a interpretar es año año 1, año
2 que puede ser 2001, 2002 2003, 2004, 2005 también si quieres
interpretarlo puedes hacer trimestralmente semestralmente, lo que quieras
lo que pasa es que es una serie temporal en este caso sería regresión
lineal múltiple porque tendremos dos variables x sub t2 x sub 3t y una y
sub t explicativas que serían en este caso dos variables y vamos a hacer
una función aquí la tenemos beta2 x sub 2t más beta sub 3 x sub t3 más
una perturbación aleatoria o error en este caso sería un modelo de
regresión lineal múltiple tendríamos dos variables x sub 2 y x sub 3 que
queremos explicar y sub t en este caso podríamos cuando planteemos nuestro
modelo al utilizar un programa econométrico normalmente podríamos coger y
utilizar el modelo con estas dos variables incluso podríamos hacer un
modelo a mayores y utilizar, calcular y sub t simplemente utilizando una de
las variables x sub t2 o utilizar solo x sub t3 medíamos y podríamos
hacer tres o cuatro modelos y una vez que ya se lo podemos interpretar
cuál es el mejor modelo qué modelo es mejor pues ya nosotros
seleccionaríamos cuál sería el mejor modelo en un ejercicio de examen te
pueden poner un ejercicio como este y te pueden poner cuál es el mejor
modelo igual el mejor modelo existe simplemente con la variable x sub t2
vale entonces el próximo día si queréis ya meter estos datos y el
próximo día ya seguimos ya con este ejercicio desde aquí y vamos mirando
en función de lo que ya vamos avanzando en teoría pues ya vamos
calculando los estadísticos tanto a nivel individual como a nivel global
los estadísticos individuales después si ya esta ecuación a nivel global
es buena o mala y una vez calculamos los betas que tenemos aquí vamos a
mostrar el de apoyo de teoría a nivel poblacional que es en referencia
estadística si es representativa o no pero de momento vamos paso a paso lo
primero es saber si estos beta1, beta2, beta3 calcularlos una vez que los
hemos calculado saber si son buenos o son malos o sea si son
representativos o no y después saber si la ecuación que hemos calculado
la igualdad de ajuste de esta ecuación es buena o es mala eso es el
siguiente paso de una vez que ya sabemos después vamos a ir avanzando
vamos a ver en otros teóricos que no lo he explicado aquí la
perturbación o error normalmente un modelo prueba a explicar estas dos
variables pero hay una parte que no va a estar explicada por estas
variables que es la perturbación aleatoria de error tenemos que saber si
esta perturbación aleatoria de error como se comporta entonces hay unas
propiedades que vamos a ver en los próximos días que tenemos que saber
calcular eso no te lo vamos a poner en la parte práctica te lo vamos a
poner en la parte teórica seguro que te van a poner alguna pregunta sobre
la perturbación aleatoria de error y las propiedades que cumplen y cómo
se demuestran esas propiedades eso te lo vamos a poner fijo en teoría eso
ya lo vamos a ver también el próximo día en la teoría nosotros ahora
estamos siempre jugando con las variables aunque es muy importante cuando
tú planteas el programa siempre que haces un problema primero demostrar
que la perturbación aleatoria de error cumple con sus propiedades porque
si ya no cumple con sus propiedades todo lo que estás calculando no sirve
para nada entonces eso siempre que hagas un ejercicio práctico lo primero
que tienes que hacer sería eso nosotros de momento eso lo veíamos bueno,
pues no sé si hay alguna pregunta más si tenéis alguna duda más y si no
lo podemos dejar aquí y el próximo día entonces si no fuera serie
temporal en este caso nosotros vamos a interpretarlo como que son años
claro o sea uno quiere poner 2001, 2002 ya como tú quieras al final eso
nos va pero bueno eso ya no hay ningún problema pues nada el próximo día
que sería el próximo miércoles a las 4 y después vamos ya viendo aquí
pues más casos bueno no, no nos faltan simplemente con que le des aquí la
pantalla nada, un trate y el próximo día lo seguimos a ver al principio
es un poco rollo porque el año pasado teníamos una hora bueno, lo de dos
horas está bien cuando son dos horas de interacciones una hora una hora
cada era el año pero me refiero que al principio como no nos llega lo que
pasa es que cuando ya vamos programas cuando ya vamos ya en el programa
luego ya no acabábamos en una hora pero ya no solo con mínimos cuadrados
cuando hacemos mínimos cuadrados por dos etapas entonces si se necesita
más tiempo porque los programas son mucho más amplios