Lo
que me motivó a escribir la primera edición de Introducción a la econometría:
un enfoque moderno fue la brecha tan amplia que existe entre la enseñanza de la
materia en los cursos universitarios
y
la manera en la que los investigadores empíricos entienden y aplican los
métodos econométricos. Quedé convencido de que una introducción a la
econometría desde la perspectiva de los usuarios profesionales simplificaría la
exposición y haría el tema mucho más interesante.
Con
base en la reacción positiva a las ediciones anteriores, parece que esta fue
una idea acertada. Muchos docentes, con formación e intereses diversos y cuyos
estudiantes tienen niveles desiguales de preparación, han adoptado el enfoque
moderno de la econometría expuesto en este libro. En esta edición sigo haciendo
énfasis en la econometría aplicada a cuestiones reales.
Todos
los métodos econométricos están motivados por problemas particulares con los
que se encuentran los investigadores al analizar datos no experimentales. El
punto central en el libro
es
la comprensión e interpretación de los supuestos a la luz de aplicaciones
empíricas reales: las matemáticas requeridas no van más allá del álgebra
universitaria y la probabilidad y estadística
básicas.
Creado
para los profesores de econometría de hoy
En
esta cuarta edición se conserva la estructura general de la tercera. La
característica más sobresaliente que distingue a este libro de la mayoría es la
división de los temas con base en el tipo
de
datos analizados. Este es un claro distanciamiento de la metodología
tradicional, en la que se presenta un modelo lineal, se enumeran todos los
supuestos que pueden necesitarse en algún
punto
posterior del análisis y después se prueban o presentan resultados sin
relacionarlos claramente con los supuestos. Mi metodología consiste en tratar
primero, en la parte 1, el análisis
de
regresión múltiple con datos de corte transversal bajo el supuesto de un
muestreo aleatorio.
Esto
resulta conocido para el lector, porque ya está familiarizado con el muestreo
aleatorio de poblaciones por los cursos de introducción a la estadística. En gran
medida, esto permite distinguir los supuestos acerca del modelo de regresión
poblacional subyacente –supuestos a los que se les puede dar un contenido
económico o conductual– de los supuestos acerca de cómo se
muestrearon
los datos. El análisis de las consecuencias de un muestreo no aleatorio puede
verse de forma intuitiva una vez que los estudiantes tengan una adecuada
comprensión del modelo
de
regresión múltiple estimado usando muestras aleatorias.
0 Comentarios