On the econometric modeling of nonlinear relationships: the gumbel regression model

• Autores: Armando Sánchez Vargas, José Wilson Márquez Estrada
• Localización: Revista Mexicana de Economía y Finanzas (REMEF): nueva época, ISSN-e 2448-6795, ISSN 1665-5346, Vol. 10, Nº. 2, 2015, págs. 105-113
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Relaciones de tipo no lineal entre variables aparecen de manera frecuente en todos los campos de la economía. El debate académico sobre como modelar dichas relaciones, desde un punto de vista estadístico, ha estado centrado en el desarrollo de nuevos métodos de estimación o en la especificación de los componentes del modelo clásico de regresión lineal. En este artículo proponemos enfrentar dicho problema derivando los modelos de regresión poblacional a partir de funciones de densidad condicionales con medias no-lineales genuinas. Este procedimiento matemático garantiza no sólo una consistente derivación de la media condicional que da origen a un modelo econométrico no lineal, sino también un análisis más apropiado de los efectos causales entre las variables económicas involucradas (efectos marginales). Finalmente, se presenta un ejemplo del funcionamiento de dicho procedimiento mediante la especificación de un modelo econométrico no lineal y heteroscedastico que surge de una distribución Gumbel.

  • English

    Nonlinear relationships among random variables often come out in all fields of economics. The academic debate on how to deal with nonlinearities, from a statistical point of view, has been centered in developing new estimation methods or modifying the specification of the classic linear econometric models. Here, we propose to face this issue by deriving population regression models from conditional distributions with genuine nonlinear conditional means. Such a mathematical procedure guarantees not only a consistent derivation of the conditional mean that gives rise to a nonlinear econometric model, but also a proper analysis of the causal effects among the involved economic variables (i.e., partial effects). Finally, we exemplify the workings of this approach by specifying a nonlinear and heteroskedastic econometric model based on the Gumbel distribution.