MLE vs.

OLS
Econometra II-ESPOL*

25 de enero, 2016
En este deber vamos a demostrar que si empleamos una funcion parametrica de los errores,
en este caso, asumimos que tienen una distribucion normal, la estimacion del modelo lineal
por MLE es equivalente numericamente a la estimacion de MCO. Aun mas, si los errores
efectivamente son homoscedasticos, entonces la estimacion de MLE es la mas eficiente.
Suponga el siguiente modelo:
Y = Z + u
En donde:
(Y, Z) son vectores de datos. Y es un vector n 1; Z un vector n k y; u un vector n 1.
E(Z 0 u) = 0
u N(, 2 ) es normal y por lo tanto:


1 (Y Z )2
f (u) = f (y|Z ) =
exp
2
2
2 2
1

Para simplificar el analisis, suponga que Y es una variable continua.

Con esta informacion resuelva lo siguiente:
1. Escriba la funcion de verosimilitud para el individuo i (pista 1):


1
1 (yi z0i )2
0
L (yi |zi ) =
exp
2
2
2 2

* Contacto

profesor: Jose Gabriel Castillo, jcastil@espol.edu.ec

2. Escriba el logaritmo de la funcion de verosimilitud para toda la muestra (pista 2):

`( ) = lnL (Y |Z )
(
)

n
1
1 (yi z0i )2
= ln
exp
2
2
2
i=1 2
n
n
1 n
2
= ln(2) ln( ) 2 (yi z0i )2
2
2
2 i=1
n
n
1
= ln(2) ln( 2 ) 2 (Y Z )0 (Y Z )
2
2
2

(1)
(2)
(3)
(4)

En donde el u ltimo escribimos la funcion de forma matricial para facilitar la resolucion

(el estudiante puede comprobar los calculos como practica).
3. Demuestre que maximizando `( ) obtiene una expresion similar a la estimacion de MCO
para el parametro . En otras palabras, obtenga .
4. Demuestre asimismo que Var( ) = 2 y es una expresion similar a la varianza de MCO.
(pista: la ecuacion 4 es una funcion de 2 coeficientes, por lo tanto opere de manera similar
al numeral previo, esta vez en funcion de 2 .)
5. Reemplace la ecuacion obtenida de 2 en la ecuacion 4 y obtenga la funcion comprimida
de MLE.