El lenguaje de los economistas a la luz de la información estadística disponible

Alfonso NovalesUniversidad de Málaga 12/12/2017

• La economía es el único campo en el que dos personas pueden obtener el premio Nobel por decir uno exactamente lo contrario del otro

• ¿Por qué creo Dios a los economistas? Para que los pronósticos del tiempo nos pareciesen buenos

• Los economistas han previsto 9 de las 5 últimas recesiones

• ¿Dónde están los modelos?

• Antes de discutir de políticas y sus efectos, discutamos de modelos y solo entonces, de políticas

“we have shown that….”

“we have obtained conclusive evidence on the relevance of variable X to explain the behavior of variable Y ” we have obtained conclusive evidence on the relevance of variable X to explain the behavior of variable Y …

“an increase of 1% in X leads to a higher contemporaneous increase in Y by 1,5% , followed by an increase of 0,4% next year”

Análisis descriptivo de datos económicos en medios de difusión

• Se hace:• Al margen de modelos (método científico propio de la Economía)• Uso poco riguroso de métodos estadísticos (coyuntura)

Incertidumbre innecesaria (opiniones de signo contrario en meses sucesivos: inflación, cuenta corriente)

• Cuatro problemas• Las noticias económicas y empresariales se publican con imprecisión, fuera de contexto• Falta de rigor en la interpretación de un dato individual• Abuso en la utilización de tasas de variación, saldos y ratios• Definición y seguimiento inadecuados de los objetivos de la Política Económica• Definición y seguimiento inadecuados de los objetivos de la Política Económica• Excesiva atención a los datos económicos de publicación frecuente

• Medición de la incertidumbreMedición de la incertidumbre

• Riesgo de modelo: modelo, parámetros, distribución de probabilidad de las innovaciones

Difusión de noticias en medios de comunicación• 30/05/2017 ‐ 09:53 CEST. El IPC cae siete décimas respecto a abril y se sitúa por debajo del 2% por primera vez en lo que 

va de año

“El ñ t i t d l i fl ió d l 2 3%”• “El año termina con un aumento de la inflación del 2,3%”

• “La inflación aumentó en agosto un 0,7%”

• “El IPC de abril fue de 0,4%”

• “El IPC se situó en febrero en un 3,9%”

• “Los precios se desploman en febrero al nivel de hace 10 años”

• “Descienden los precios por sexto mes consecutivo”

• “El paro se sitúa en 10,74% , la menor tasa desde 1980, pero el ritmo de caída se suaviza” (El Pais 6/5/99 después de fuertes descensos en meses anteriores)

• El paro registrado descendió en abril en 49.159 personas, y modera su reducción” (El Mundo 6/5/99)

• La tasa de descenso puede ser constante, pero no el número de personas

• Despés de duplicarse durante la década pasada, las emisiones de CO2 crecen ahora a una  tasa anual muy inferior” (¿Hemos sobrepasado algún umbral de seguridad? ¿Correción por algún indicador cíclico?)

Expectativas muy dispares acerca de los mercados financierosExpectativas muy dispares acerca de los mercados financieros

• Las firmas de análisis no consiguen ponerse de acuerdo sobre el futuro de la Bolsa española• Las firmas de análisis no consiguen ponerse de acuerdo sobre el futuro de la Bolsa española.

• Société Générale no ve margen de subida para la Bolsa europea en su conjunto para los próximos 12 meses, pero de manera más destacada con la española. Por su parte, Credit Suisse anticipa un alza del 8,3% para la renta variable europea.p

• El responsable de inversiones de Deustche Bank ve probable que en los tres primeros meses del año la Bolsa española recupere los 11.100 puntos, máximos de este año.

• Eugeni Siscar, de BNP Paribas, añade como factor de incertidumbre la posibilidad de impago de la deuda deEugeni Siscar, de BNP Paribas, añade como factor de incertidumbre la posibilidad de impago de la deuda de Venezuela y no descarta correcciones hasta los 9.800‐9.700 puntos.

La post‐verdadpNoticias empresariales:

• Interpretación interesada de los ratios contables

• Enfatizar aquella medida de resultados que arroja una imagen más positiva

• A veces de modo contraproducente: el beneficio aumentó un 5%; la facturación por ventas se elevó un 15%

• Noticias: titulares frente a análisis• “El gasto social en España está por debajo de la media europea” El Pais 7/12/2017

• “ … dos de cada tres de los trabajos que realizarán los jóvenes actuales aún no se han inventado [Futurework: Trends and Challenges for Work in the 21st Century, Departamento de Trabajo de los Estados Unidos]

• “El trabajo referido en ningún momento dice eso, lo que muestra que en la sociedad de la información no siempre brilla el conocimiento, ni siquiera donde más se lo presume; de ahí la importancia de la educación y el aprendizaje.” [Fernandez Enguita, “El futuro de la educación: el 65% de no‐sé‐quién va a hacer no‐sé‐qué”, 12 de marzo de 2017, El Pais]

Más post‐verdad estadística

• “El consumo habitual de determinado producto alimenticio incrementa en un 20% el riesgo de desarrollar un cáncer de colon”

• Instituto Karolinska (Suecia) se duplica el riesgo de desarrollar un neuroma acústico por uso habitual de teléfono• Instituto Karolinska (Suecia): se duplica el riesgo de desarrollar un neuroma acústico por uso habitual de teléfono móvil (siendo su nivel habitual de 1/100.000 personas (0,001%)

• Mejoria en el mercado de trabajo: “Se ha reducido en un 40% el tiempo máximo de salida de la situación de parado”

• O el tiempo máximo de espera para determinada intervención quirúrgica (pero no el tiempo medio, o la distribución de tiempos)

• Se ha descubierto el gen responsable de una determinada enfermedad ¿relación biunívoca con la enfermedad? Habitualmente significa que está presente en mayor proporción en las personas que han contraído la enfermedad. g q p y p p p qPero ¿en cuanto aumenta la probabilidad de contraer la enfermedad si está presente el gen?

• En el Reino Unido encontró uno de los dos genes responsables de la esclerosis multiple en un 87% de las personas enfermas. Es decir, se estimó que el 13% de las personas enfermas no tenían ese gen. En el mismo estudio se encontró que el 85% de las personas que no han contraído la enfermedad tenían el gen. El segundo gen aparecía en un 78,1% de las personas enfermas y en un 75,0% de las personas no enfermas. La enfermedad afecta al 0,10%‐0,20% de la población en UK y no parece estar relacionada con la presencia de genes.

Probabilidades a posteriori: el amigo Bayesp g y

• Credit scoring: consideremos un método que identifica correctamente un 99% de los casos de morosidad y el 90% de los casos en que no se produce ninguna dificultad en el pago de intereses, cuando se aplica a una muestra histórica de solicitantes de crédito. Supongamos que el porcentaje de solicitudes de baja calidad es del 1%. 

Esto significa que 9 de cada 10 solicitantes que son detectados por el procedimiento como dudosos, en realidad no son malos solicitantes.

• Detección del fraude fiscal

• Consideremos un test basado en una mamografía detecta la presencia de tumores en un 99% de los casos. Proporciona asimismo el resultado correcto, negativo, en un 99% de los casos en que no existen tumores de mama. Supongamos que la proporción de mujeres entre 40 y 50 años, el grupo al que se aplica el test, presenta tumores en 1/1000 personas (0,1%)            

Una persona que arroja un resultado positivo tiene una probabilidad de tener cáncer del 9%; con probabilidadUna persona que arroja un resultado positivo tiene una probabilidad de tener cáncer del 9%; con probabilidad 91% no tiene cáncer. 

• La comunicación sería improcedente en 9 de cada 10 casos. Quienes dan positivo no tienen ni mucho menos seguridad de tener cáncer, aunque sí más probabilidad que antes de tomar el test: 9% frente a 0,1%. El test da g , q p q ,bastante seguridad a quienes dan negativo, muy inferior a la que tenia antes de pasar el test (0,8%)

40,0%

Probabilidad de que un resultado positivo refleje realmente la existencia de un tumor, en función de:

30,0%

35,0%

Incidencia en población:

20,0%

25,0%Incidencia en población: 0,1%‐0,5%

5,0%

10,0%

15,0%Prob. detección tumor cuando existe: 0.99‐0.91

0,0%

5,0%Prob. falso positivo: 0.01‐0.09

Valores medios como resumen de una distribución de frecuencias• Ingresos, gastos en consumo de determinado producto, rentabilidad en Bolsa, beneficios de empresas del IBEX

• Número medio de habitaciones en viviendas vendidas durante 2017: 2,56

• Numero medio de cigarrillos fumados diariamente por la madre durante el embarazo en una muestra de 1.388 nacimientos: 2,29

• Mediana y moda: Numero de habitaciones: entre 1 y 6 con mediana y moda de 3. Numero de cigarrillos : entre 1 y 50, con moda y mediana de 0

• El caso del pescador y el caso del borracho

• Rentabilidad del mercado: Revalorizacion de los 35 valores del IBEX en 2017: [‐44,5% , +57,0%]

• Rentabilidad media y volatilidad en Finanzas 

• La media valor medio valor “normal” “razonable” “ordinario” “aplicable a la mayoría de empresas o de• La media: valor medio, valor “normal”, “razonable”, “ordinario”, “aplicable a la mayoría de empresas o de familias”

• También el color blanco es el promedio de los colores del arco iris

C i t d l d ti d i i l di• Casi todo el mundo tiene un numero de piernas superior a la media

• Presidente Bush: “si no bajamos tipos impositivos, 116 millones de ciudadanos verán aumentar sus impuestos en media en 1.800$. El Tax Policy Center mostró que el incremento medio de impuestos seria de 1.700$, pero 90 de los 116 millones (un 80%) sufrirían un aumento inferior a 1.800$ y en muchos casos,1.700$, pero 90 de los 116 millones (un 80%) sufrirían un aumento inferior a 1.800$ y en muchos casos, mucho menor. El 20% pagaría 6.000$ mas y el 0,1% superior pagaría 323 mil $ más.

• Consenso en predicciones de coyuntura

La utilización de tasas de variación• La tasa de inflación registrada el pasado mes de febrero duplicó la registrada en igual mes del año anterior (0,2%)

o El efecto del redondeo: 0,14% versus 0,16%, ,o Efecto del error muestral sobre las tasas de variación estimadas

• Asignación temporal de las tasas de variación

• Tasas de variación en presencia de cambios de tendencia: mejor tasas sobre períodos cortos: AfiliadosTasas de variación en presencia de cambios de tendencia: mejor tasas sobre períodos cortos: Afiliados 

• Tasas de variación de ratios. Lo que importa es el valor de su nivel: o “la tasa de morosidad se ha multiplicado por 4 hasta el 1,6%”o “la implementación de la política monetaria ha estimulado un reducción del 50% en los tipos de interéso la implementación de la política monetaria ha estimulado un reducción del 50% en los tipos de interés hasta el 2%”

o “la rentabilidad de la Bolsa española se ha duplicado hasta el 4% (con tipos de interés nominales del 6%)”. 

Es preciso tener un nivel de referencia.

• Tasas de variación de saldos, que pueden ser negativos.

Especialmente cuando son reducidas …p

• El beneficio de la empresa se duplicó el año pasado (en niveles porcentuales insignificantes)• El beneficio de la empresa se duplicó el año pasado (en niveles porcentuales insignificantes)

• El déficit por cuenta corriente se duplica

• El déficit público hasta abril es cuatro veces superior al del año pasado: 10 m.m. de euros”

• “El numero de pobres en el mundo se ha reducido a la mitad en 10 años” (¿definición?)

La interpretación de saldos y ratiosLa interpretación de saldos y ratios

• Paro, déficit por cuenta corriente, déficit de caja, déficit comercial, beneficios empresariales ¿podemos debatir sobre un dato suyo?

• Interpretación de un aumento en el paro como destrucción de empleo. El paro puede aumentar en un momento de creación de empleo, y reducirse simultáneamente con la destrucción de empleo.

• Todo depende del comportamiento de la población activa, que tiene determinantes de otro tipo• Ocupados frente a Afiliados a S.S.

• El déficit del Estado puede aumentar en un período de aumento de ingresos

• El déficit comercial puede mejorar incluso exportando menos, o deteriorarse incluso exportando más.

• Sería mucho más beneficioso asistir a un análisis ocasional de los datos, en la perspectiva de un modelo concreto, que a una mera descripción de todo dato publicado, sin modelos formales, sin las referencias adecuadas y, frecuentemente, incurriendo en serias deficiencias

¿Cómo debería hacerse?• Imprescindible disponer de una referencia previa para el mismo• Suele compararse con el dato similar del periodo anterior o del año anterior. Pero puede haber circunstancias 

especiales (S Santa)especiales (S. Santa)• Ignora la información aparecida entre ambos datos• ¿Por qué ha descendido la tasa interanual?• “Este dato representa el menor incremento de los últimos diez años en el número de ocupados en un cuarto• Este dato representa el menor incremento de los últimos diez años en el número de ocupados en un cuarto 

trimestre”• Pero el dato puede ser “bueno” si las expectativas eran de un incremento todavía menor• Esto hace que distintos analistas puedan interpretar el dato de manera diferenteq p p• Fundamental: El dato contiene información relevante si altera “significativamente” la previsión que tenemos de 

cumplimiento de un objetivo a medio plazo• Esto sucederá con mayor probabilidad: 

C l i ió dí i h bi l b d l i ió• Cuanto mayor sea la precisión estadística con que se hubiera elaborado la previsión, • Cuanto mayor sea la diferencia entre la previsión y el dato finalmente publicado, • Cuanto menor sea la distancia temporal al horizonte de previsión en que estamos interesados en última 

instancia

La estacionalidadLa estacionalidad• ¿Qué es la estacionalidad?

• Efecto Semana Santa efectos calendario• Efecto Semana Santa, efectos calendario

• Los componentes estacionales no son observables, no hay método optimo de estimación y en ocasiones, se observan características que deberían haber desaparecido con el ajuste estacional, o haber eliminado componentes que no debieran haber sido excluidos 

• Dificultades de interpretación

• Siendo perfectamente posible tratarla estadísticamente

• Preferible trabajar con series temporales sin ajustar de estacionalidad• Preferible trabajar con series temporales sin ajustar de estacionalidad

• Si es posible, comparar las previsiones obtenidas con series corregidas y sin corregir de estacionalidad 

• ¿Cuál es la necesidad de versiones desestacionalizadas de  las variables económicas?

• Unicamente por la excesiva atención prestada a datos frecuentes

El examen de componentes• Producción industrial

• Indice general, y Bienes de consumo, Equipo, Intermedios, Energia

• IPC• IPC• Alimentos, Vestido y Calzado, Vivienda, Enseñanza, Comunicaciones, Transporte, Hoteles, cafés, restaurantes, Oicoy cultura, 

Menaje, Bebidas alcohólicas y tabaco

• Empleo (paro por sectores ?)A i lt i d t i C t ió S i i• Agricultura, industria, Construcción, Servicios

• Se crea empleo, sobre todo, en el sector servicios y en el sector privado (RTVE 27/7/2017)

• PIB• Consumo; Formación bruta de capital (Activos fijos materiales: Construcción, Servicios; Activos inmateriales), Variación de 

existencias; Exportaciones, Importaciones

• Ingresos del Estado• Impuestos directos (IRPF, Sociedades), Indirectos (IVA, impuestos Especiales), Otros tributos

• Balanza por Cuenta corriente• Balanza por Cuenta corriente• Balanza comercial, de servicios, de rentas, de transferencias

Excesiva atención a datos frecuentes

• Error muestral: muchos datos económicos se recogen mediante encuesta: IPC, EPA• Limitación: La desagregación incrementa el error muestraltac ó a desag egac ó c e e ta e e o uest a• También la desagregación geográfica ¿Contabilidad regional? ¿Datos a nivel local?• Datos recogidos sobre intervalos cortos de tiempo utilizaran muestras más reducidas, con mayor error muestral.• Pero precisamente los datos frecuentes generan tasas reducidasPero precisamente los datos frecuentes generan tasas reducidas• ¿En que momento se recogen los datos? Puede afectar a las relaciones estimadas entre variables

• Especialmente en bolsa: las inversiones no son generalmente de corto plazo ni los beneficios de las empresasEspecialmente en bolsa: las inversiones no son generalmente de corto plazo, ni los beneficios de las empresas cambian a corto plazo

• Shiller (1981): “Los precios de las acciones fluctúan mucho más de lo que sería consistente con las expectativas de dividendos”

• La continua descripción de alzas y descensos de cotizaciones y la discusión de sus posibles causas no es inocua y genera una mayor incertidumbre en los agentes que la que pueda justificarse por cambios en los fundamentales económicos

¿En que términos deberíamos pronunciarnos los economistas?q p• Centros de previsión y su seguimiento

• “La previsión de crecimiento para el año próximo es del 2,8%” ¿Incertidumbre?

• Los modelos econométricos, y los modelos de predicción en particular, generan distribuciones de probabilidad para la variable en estudio

• Una predicción puntual es una síntesis excesivap p

• Podemos pronunciarnos sobre la probabilidad de cualquier suceso: Probabilidad de que el PIB crezca más de un 2%, rango de confianza del 90% para el crecimiento del PIB; probabilidad de que se creen más de 500 mil empleos, probabilidad de que la inflación exceda del 2%

• Facilitamos la trivialización del discurso económico

• Y las críticas fáciles a nuestro trabajo

Riesgo de modelo• Incertidumbre acerca del escenario

• Tratamiento de un conjunto de escenarios

id b d l di ib ió d b bilid d d l i i l i bl li d• Incertidumbre acerca de la distribución de probabilidad de las innovaciones en la variables analizada

• Incertidumbre acerca del modelo• Combinación “óptima” de previsiones

• Incertidumbre acerca de los valores paramétricos

Predicciones de inflaciónPredicciones de inflación

Predicción deInflación 2018

Probabilidad inflación en 12/2018 > 2,0% : 0,32Probabilidad inflación en 12/2018 > inflación en 10/2017 : 0,38Probabilidad inflación en 12/2018 entre 1 5% y 2 0% : 0 23Probabilidad inflación en 12/2018 entre 1,5% y 2,0% : 0,23

Predicciones de crecimientoPredicciones de crecimiento

Crecimiento del PIB• “Los expertos de PwC prevén que la economía española crecerá un 2,9% este año y un 2,6% en 2018”

• “El PIB de España crecerá menos del 2,6% en 2018 por la crisis catalana”, según Guindos

• “La AIReF prevé un crecimiento de la economía española del 3,2% este año”

• “Como consecuencia de todo ello, se estima que, tras crecer un 3,1% este año, el PIB avanzará un 2,5% y un 2,2% en 2018 y 2019, respectivamente”

(Banco de España: PROYECCIONES MACROECONÓMICAS DE LA ECONOMÍA ESPAÑOLA (2017‐2019) www bde es 8/12/2017)(Banco de España: PROYECCIONES MACROECONÓMICAS DE LA ECONOMÍA ESPAÑOLA (2017 2019), www.bde.es 8/12/2017)

• “El INE publicó, el 12 de septiembre, una revisión de las series de la Contabilidad Nacional Anual que supone una ligera modificación al alza del crecimiento del PIB en 2015 y 2016 junto conque supone una ligera modificación al alza del crecimiento del PIB en 2015 y 2016, junto con cambios de mayor magnitud en las tasas de variación de otras variables, tales como los distintos componentes de demanda, de modo que, por ejemplo, el pasado año, el avance del producto habría descansado sobre el componente exterior en mayor medida de lo estimado hasta ahora”

Predicción de crecimiento del PIBPredicción de crecimiento del PIB

Predicción 2017: 2,9%Predicción 2018: 3,0%

óProbabilidad crecimiento 2017 > 3,0% = 0,65 Modelo 1 

Predicción 2019: 2,9%(= 0,56 Modelo 2)

Crecimiento del PIBDT(Predicción 2017) = 0,71%DT(predicción 2018) = 2,00 %DT(Predicción 2019) = 2,72 %

Predicciones de ParoPredicciones de Paro

Predicción de Parados EPA

Predicción de Ocupados EPA

DT(T4/2018): 640DT(T4/2019): 1.353

• “La bajada en el número de parados es la menor en el tercer trimestre desde 2013”

• Se preveía el menor descenso en el número de parados en un tercer trimestre desde 2014

Activos Ocupados Parados Diferenciaantes 3/2017 antes 3/2017 antes 3/2017 antes 3/2017

2017-3 22718 22781 19015 19050 3648 3732 3702 3732

2017-4 22693 22784 19042 19101 3550 3694 3651 3683

2018-4 22604 22779 19606 19758 2963 3250 2998 3021

P(parados en T4/2018 < T3/2017) = 0,78P(parados en T4/2019 < T3/2017) = 0,78(pa ados e / 0 9 3/ 0 ) 0, 8

P(parados en T4/2018 < 3 millones) = 0,35P(parados en T4/2019 < 3 millones) = 0,57

DT(T4/2018): 607DT(T4/2019): 1.136

Predicción de variación trimestral en Ocupados EPA utilizando pinformación sobre el PIB

Regresiones para explicar la variación trimestral en ocupados EPA Variación trimestral en el logaritmo: ΔOcu(t)

DT(∆Ocu(t)) = 1,27ttt

ttt

ibllupibempleo

uempleoempleo

1

Constante*100 0,11 (0,7) -0,23 (1.8) -0,25 (1.9) -0,25 (1,9) -0,22 (1,6)∆Ocu(t-1) 0,48 (4,2) -0,02 (0,2)∆PIB(t) 1,31 (7.9) 1,32 (5,7) 1,05 (2,5)∆PIB(t-1) 0,27 (0,6) 1,23 (7,1)

ttt

tttt

tttt

upibempleoupibpibempleo

upibempleoempleo

1

1

1

( ) , ( , ) , ( , )

DT(residuos)*100 1,10 0,89 0,89 0,88 0,93R2-corregido 0,22 0,50 0,49 0,49 0,45

Ocupados en T4/2018 si PIB creciera al 3% en 2018: 19.821Ocupados en T4/2018 si PIB crece al 2,5% en 2018: 19.687Previsión Ocupados univariante: 19.758

Objetivos previsiones y deseosObjetivos, previsiones y deseos

• Objetivo de Política Económica: valor de referencia a medio plazo de un indicador económico• Objetivo de Política Económica: valor de referencia a medio plazo de un indicador económico

• Previsión: resultado de un análisis riguroso de la información estadística disponible

• Deseo: Escenario propuesto por responsables económicos con una reducida probabilidad  de ser realidad en b l i f ió t l t di iblbase a la información actualmente disponible

• Escenario macroeconómico  incluido en la Ley de Presupuestos

¿Es esto propio de una ciencia?¿Es esto propio de una ciencia?

• Una ciencia empírica no experimental debe derivar conocimiento de los acontecimientos que observa y• Una ciencia empírica, no experimental, debe derivar conocimiento de los acontecimientos que observa y que resultan contradictorios con la creencia aceptada hasta el momento,

• Así como de las desviaciones observadas respecto de los escenarios trazadoso Ya sea acerca de posibles cambios de tendenciao Ya sea acerca de posibles cambios de tendenciao O acerca de líneas de mejora de los modelos utilizados, que quizá no explican suficientemente bien la realidad

• Esto nos permitiría aprender del pasadop p p

• Las predicciones acerca de la evolución de la economía, o las afirmaciones acerca de los efectos de una determinada intervención de política económica no se evalúan a posteriori

• Cualquiera puede opinar sin perder credibilidad, porque nadie nunca va a volver a revisar dichas opinionesq p p p , p q p

• Al observar una discrepancia entre observación y previsión habria que evaluar el contenido informativo de• Al observar una discrepancia entre observación y previsión, habria que evaluar el contenido informativo de la misma en función del cambio que genera en escenarios y previsiones

• La elaboración de predicciones, los escenarios de impacto de políticas deben basarse en modelos, y ser contingentes en un determinado escenario, que los analistas deberían hacer explícitos.g , q p

• Renunciar a este aprendizaje es una terrible limitación del análisis económico empírico, la vertiente en que la Economía tiene una mayor proyección pública, y a partir del cual los observadores no economistas se forjan una idea acerca de la relevancia del análisis económico

• Toda hipótesis teórica es falsa en una muestra

• La  cuestión a dilucidar es si la evidencia muestral es suficientemente contraria a la hipótesis nula del contraste (y favorable a la hipótesis alternativa) como para rechazarla 

• El grado en que  la información muestral es contraria a la hipótesis nula se  resume en el valor numérico del estadístico de contraste.

• Que se juzgará “suficientemente grande” si excede del valor crítico

• El estadístico t es el producto de:o el grado de incumplimiento muestral de H0     o por la precisión de la estimación )ˆ(

1)ˆ(

DT

t

• Una precisión reducida en la estimación conduce a no rechazar muchas hipótesis nula 

• No encontrar evidencia en contra de la hipótesis nula suele interpretarse incorrectamente como haber probado que dicha hipótesis es cierta.

• Por lo que posiblemente concluimos “demasiado frecuentemente” que no existe relación entre variables

• El contraste de la capacidad explicativa/contenido informativo de X sobre Y es siempre condicional en el resto de variables explicativas incluidas en el modelo

Gracias por vuestra atenciónGracias por vuestra atención

Interpretación del estadístico t

• El concepto de precisión estadística en la estimación de un parámetro. Comentar siempre

• Un estadístico t es el producto de: 0 0ˆ ˆ

ˆt

• Grado de incumplimiento muestral de H0• Precisión en la estimación

• Un estadístico t puede ser reducido (lo que nos llevaría a no rechazar H0) porque:  H0 se cumple, aproximadamente, en los datos  no hay problema,  O porque los coeficientes involucrados en la hipótesis se estiman con precisión reducida incluso si la estimación

2 2

1

( )/ ( )

n

u i

DTx x

O porque los coeficientes involucrados en la hipótesis se estiman con precisión reducida incluso si la estimación incumple la hipótesis ampliamente => Problema

O por ambas razones Es preciso examinar la función de potencia siempre que no se rechace H0

• Un estadístico t puede ser elevado incluso si el grado de incumplimiento muestral de H0 es muy reducido => Rechazamos H0reducido => Rechazamos H0

• En la significación estadística de un coeficiente, la precisión en la estimación juega un papel fundamental (al igual que en el grado de incumplimiento de cualquier hipótesis paramétrica)

• Abuso del estadístico t‐Student

Actualización de previsiones en análisis de coyuntura• Comparación de datos y previsión hecha con anterioridad

• Independencia de los errores de previsión a corto plazo. Precisamente por esto, un dato trimestral tendrá l d lmenor error muestral que un dato mensual.

• Contar varias señales consecutivas sugiriendo un cambio de tendencia antes de distinguirlo de un mero error muestral

• La Economía es una ciencia no experimental:• La Economía es una ciencia no experimental: • Disponemos de una única muestra• Factores explicativos son estocásticos, no controlables• Contienen información común colinealidad condiciona los contrastes de hipótesis hacia no recha ar• Contienen información común: colinealidad: condiciona los contrastes de hipótesis hacia no rechazar H0: pérdida de potencia

• Variabilidad paramétrica y de modelo: estimamos promedios• Incertidumbre de modelo de parámetros muestralIncertidumbre de modelo, de parámetros, muestral

• Posible incumplimiento de supuestos subyacentes a la distribución de los estadísticos de contraste habituales t, F .

Queremos dar respuesta a cuestiones socialmentetrascendentes:

• Una elevación del salario mínimo ¿aumenta el desempleo?

• Para el crecimiento económico ¿son más relevantes los factores económicos o losfactores institucionales?

1 2 0 2 1 2, : 1, : 1tt t t

t

M r Y u H HP

factores institucionales?

• ¿Cuales son los factores de riesgo en la gestión de fondos de inversion?

• ¿Son rentables nuestras campañas de publicidad?

tP

3 3 ,61 3, 0 2 1 2, : 0, 1, : 0, 1m m m

t t t tr f u H H

• A igualdad de otros factores ¿crecen menos los paises con mayor desigualdad?

• ¿Existe discriminación salarial entre hombres y mujeres?

• ¿Es eficaz el Banco Central en controlar la tasa de inflación mediante intervenciones• ¿Es eficaz el Banco Central en controlar la tasa de inflación mediante intervencionessobre los tipos de interés?

• ¿Cual es la rentabilidad económica de la educación?

El ti id d it i d l t l f ió d d d d di• Elasticidad unitaria de la renta en la función de demanda de dinero

ó d l f ó d d é• Hipótesis de expectativas en la formación de tipos de interés

• Toda hipótesis teórica es falsa en una muestra: la cuestión a dilucidar es si la evidencia muestral es• Toda hipótesis teórica es falsa en una muestra: la cuestión a dilucidar es si la evidencia muestral es suficientemente contraria a la hipótesis nula del contraste (y favorable a la hipótesis alternativa) como para rechazarla.  

• Una precisión reducida en la estimación genera pérdida de potencia en el contraste de hipótesis. Esto nos p g p p plleva a no rechazar hipótesis falsas con mayor frecuencia de lo deseable.  En particular, a creer que un parámetro estimado no es significativamente diferente de cero.

• El estadístico t es el producto de:• Incumplimiento muestral del a hiopótesis nula• Precisión en la estimación de los parámetros 

• La ausencia de significación estadística en la estimación de un coeficiente se identifica generalmente de manera equivocada con la ausencia de capacidad explicativa o relevancia económica de la variable que lemanera equivocada con la ausencia de capacidad explicativa o  relevancia económica de la variable que le acompaña.

• El contraste de capacidad explicativa de una variable en un modelo es siempre condicional en el resto de las variables incluidas como explicativas en dicho modelo.p