Académique Documents
Professionnel Documents
Culture Documents
de Vigo
Estabilidad de parámetros
X β
= ( X (1) ' X (1) + X ( 2 ) ' X ( 2 ) ) −1 ( X (1) ' X (1) β (1) + X ( 2 ) ' X ( 2 ) β ( 2 ) ) =
≠ β + ( X ' X ) −1 X ' ε
Por lo tanto, los estimadores dejan de ser insesgados y consistentes
Diagnostico de la estabilidad Universidade
de Vigo
Gráficos
Residuos respecto a variable de cambio
estructural (tiempo)
Test de hipótesis
Test de Chow
Gráficos de residuos respecto a
variable estimada Universidade
de Vigo
Se representa el
residuo respecto al
tiempo u otra variable 0.4
SHAZAM PLOT
Si aparece un cambio 0
de tendencia es
E
-0.1
estructural -0.3
-0.4
-0.5
0 5 10 15 20 25
TIME
Cambio de
tendencia
Test de Chow
Diferentes versiones del test para analizar la estabilidad y la validez
de modelos de regresión lineal
Universidade
de Vigo
Test de hipótesis Universidade
de Vigo
Y = X = = *
Y2 : : ... : iT − j X 2
Corresponde a i
1 x1T
T-j ... xkT
Corresponde a X2
Ejemplo de CENSA Universidade
de Vigo
CMJ1 aqui
copiar modelo
aplicar matrices
Carlos Maria Jardon; 05/12/2007
Partición de los datos Universidade
de Vigo
y1 1 x1
: : :
y21 1 x21
Y = X =
y22 1 x22
: : :
y40 1 x40
Modelo I Universidade
de Vigo
Y1 i j X *
= ⋅ β + ε
1
*
Y2 iT − j X 2
Modelo I: notaciones Universidade
de Vigo
Y1 i j X
*
= ⋅ β + ε →
1
*
Y2 iT − j X
2
Y = IG1β0 + IG 2 β0 + X1 IG1β1 + X 2 IG 2 β1 + ε →
* *
Y = β0 + X β1 + ε
*
Modelo I de celulosas Universidade
de Vigo
β 01
Y1 iT 0T X
*
= ⋅ β 02 + ε 2
1
*
Y2 0m im X β *
2
Modelo II Universidade
de Vigo
β 01
Y1 i j 0 j X 1 *
= 0 i ⋅ β + ε2 →
* 02
Y2 T − j T − j X 2 β *
Y = I G1β 01 + I G 2 β 02 + X 1 I G1β1 + X 2 I G 2 β1 + ε =
* * * *
= β 0 + I G 2α 02 + X β + ε
* *
Modelo II de celulosas Universidade
de Vigo
β0
Y1 iT X 0T ×k *
*
= 1
⋅ β + ε3
* 1
Y2 im 0 m×k X 2 β *
2
Modelo III Universidade
de Vigo
β 0
Y1 iT X 1 0T ×k *
*
= ⋅ β + ε3 →
* 1
Y2 im 0m×k X 2 β *
2
Y = I G1β 0 + I G 2 β 0 + X 1 I G1β1 + X 2 I G 2 β 2 + ε =
* * * *
= β0 + X β + X I α + ε
*
1
* *
2 G2
*
2
Modelo III de celulosas Universidade
de Vigo
β 01
β 02
Y1 iT 0 m X 1 0T ×k *
*
= ⋅ β1 + ε 4
*
Y2 0T im 0 m×k X 2 β *
2
Modelo IV Universidade
de Vigo
β 01
β 02
Y1 iT 0m X 1 0T ×k
*
= * ⋅ β 1
*
+ ε4 →
Y2 0T im 0m×k X 2 β *
2
Y = I G1β 01 + I G 2 β 01 + X 1 I G1β1 + X 2 I G 2 β 2 + ε =
* * * *
= β 0 + I G 2α 0 + X β + X I G 2α + ε
* * * *
1
Modelo IV: resolución practica Universidade
de Vigo
|_gen1 SSE4B=$SSE
..NOTE..CURRENT VALUE OF $SSE = 23.367
|_gen1 SSE4T=SSE4A+SSE4B
|_GEN1 F4=((SSE1-SSE4T)/1)/(SSE4T/(DF2))
|_DISTRIB F4/TYPE=F DF1=1 DF2=DF2
Test de estabilidad de los coeficientes Universidade
de Vigo
Hipótesis a contrastar
H01 :β01 =β02 → α0=0
H11 :β01 ≠β02 → α0≠0
Estadístico de prueba
SCE1 − SCE2
F=
SCE2
T +m−k −2
Ley de distribución
Sigue una F de Snedecor con 1 y T+m-k-2
grados de libertad respectivamente
Test de Diferencia en todos los
coeficientes (Test de Chow)
Chow) Universidade
de Vigo
Hipótesis a contrastar
H04 :β1 =β2 → α=0
H14 :β1 ≠β2 →α≠0
Estadístico de prueba
SCE1 − SCE4
F= k +1
SCE4
T + m − 2k − 2
Ley de distribución
Sigue una F de Snedecor con k+1 y T+m-2k-2
grados de libertad respectivamente
Test de Diferencia entre las pendientes
con ordenadas iguales Universidade
de Vigo
Hipótesis a contrastar
H03 :β11 =β21 → α1=0
H13 :β11 ≠β21 →α1≠0
Hipótesis a contrastar
H02 :β11 =β21 → α1=0
H12 :β11 ≠β21 →α1≠0
Estadístico de prueba
SCE2 − SCE4
F= k
SCE4
T + m − 2k − 2
Ley de distribución
Sigue una F de Snedecor con k y T+m-2k-2
grados de libertad respectivamente
Test de estabilidad en CENSA Universidade
de Vigo
|_*modelo 2
|_gen1 DF2=$N-3
|_gen1 SSE2=$SSE
..NOTE..CURRENT VALUE OF $SSE = 41.132
|_GEN1 F2=((SSE1-SSE2)/1)/(SSE2/(DF2))
|_DISTRIB F2/TYPE=F DF1=1 DF2=DF2
F DISTRIBUTION- DF1= 1.0000 DF2= 37.000
MEAN= 1.0571 VARIANCE= 2.4383 MODE= 0.0000
DATA PDF CDF 1-CDF
F2
ROW 1 177.98 0.89769E-16 1.0000 0.10377E-14
|_*modelo 3
|_gen1 SSE3=$SSE
..NOTE..CURRENT VALUE OF $SSE = 24.232
|_GEN1 F3=((SSE1-SSE3)/1)/(SSE3/(DF2))
|_DISTRIB F3/TYPE=F DF1=1 DF2=DF2
F DISTRIBUTION- DF1= 1.0000 DF2= 37.000
MEAN= 1.0571 VARIANCE= 2.4383 MODE= 0.0000
DATA PDF CDF 1-CDF
F3
ROW 1 327.90 0.28485E-20 1.0000 0.56024E-19
|_*modelo 4
|_gen1 SSE4=$SSE
..NOTE..CURRENT VALUE OF $SSE = 24.226
|_GEN1 F4=((SSE1-SSE4)/1)/(SSE4/(DF2))
|_DISTRIB F4/TYPE=F DF1=1 DF2=DF2
F DISTRIBUTION- DF1= 1.0000 DF2= 36.000
MEAN= 1.0588 VARIANCE= 2.4524 MODE= 0.0000
DATA PDF CDF 1-CDF
F4
ROW 1 319.13 0.90207E-20 1.0000 0.17745E-18
Test de Diferencia de ordenadas con
pendientes iguales en mas de dos grupos Universidade
de Vigo
Hipótesis a contrastar
H01 :β01 =β02=…=β0p
H11 :β01 ≠β02 o ….o :β01 ≠β0p
Estadístico de prueba
SCE1 − SCE2
p −1
F=
SCE2
T − p − k −1
Ley de distribución
Sigue una F de Snedecor con p-1 y T-p-k-1
grados de libertad respectivamente
Test secuencial Universidade
de Vigo
Test de 20
21
22
20
19
18
0.65001
0.65156
0.70655
0.44490
0.44464
0.44280
3.5401
3.5146
2.5198
0.039
0.040
0.095
1.461
1.311
1.277
18
19
20
18
17
16
0.215
0.290
0.313
Chow
23 17 0.78463 0.42915 1.4307 0.252 1.306 21 15 0.302
24 16 0.79515 0.42220 1.3735 0.266 1.198 22 14 0.371
25 15 0.80674 0.40456 1.4702 0.243 1.127 23 13 0.423
26 14 0.81618 0.37273 1.8370 0.174 1.095 24 12 0.452
en 27
28
13
12
0.81725
0.91346
0.35201
0.30762
2.1703
1.3144
0.129
0.281
1.022
1.142
25
26
11
10
0.510
0.433
29 11 0.91369 0.29363 1.5345 0.229 1.037 27 9 0.510
CENSA 30
31
10
9
0.92380
0.92382
0.25100
0.22642
2.0751
2.5039
0.140
0.096
1.052
0.9849
28
29
8
7
0.508
0.441
32 8 1.0131 0.19806 1.4720 0.243 1.023 30 6 0.543
33 7 1.0138 0.19106 1.5746 0.221 0.8558 31 5 0.347
34 6 1.1252 0.13599 0.69948 0.503 1.034 32 4 0.561
35 5 1.1390 0.13386 0.52931 0.594 0.7735 33 3 0.293
36 4 1.1503 0.12981 0.42434 0.657 0.5213 34 2 0.162
37 3 1.2488 0.58998E-01 0.33249E-01 0.967 0.6048 35 1 0.207
Interacción entre Variables ficticias
en la regresión
Soluciones a la no estabilidad:
Universidade
de Vigo
Planteamiento de la regresión con
variables dicotómicas Universidade
de Vigo
1 si C = A
IA =
0 si C = B
Regresión con variables dicotómicas Universidade
de Vigo
y = β0 + β1 X 1 +L+ βk X k + ε
Modelo con variable ficticia
y = β0 + β1 X 1 +L+ βk X k + αI A + ε
Efecto de la variable
ficticia
Interacción en la Regresión con
variables dicotómicas Universidade
de Vigo
y = β0 + β1 X 1 +L+ βX k +
+ α0 I A + α1 IX 1 +L+αk IX k + ε
X j si t ∈ A
Donde IX j = j = 1... k
0 si t ∉ A
Regresión con variables
multinomiales Universidade
de Vigo
El modelo sería
c−1
Y t = β 0 + ∑β jI jt + ε t
j=1
β0 = µ + αc
βj = αj − αc
c
∑α
j =1
j =0
Efectos aislados de los α Universidade
de Vigo
c−1
Despejando se obtiene que ∑β j
αc = − j=1
c
c −1
∑β j
α j = βj −
j=1
c
c −1
∑β j
µ = β0 − j=1
c
Regresión con variables
multinomiales Universidade
de Vigo
y = β0 + β1 X 1 +L+ βk X k +
+ α1 I1 +L+αs −1 I s −1 + ε
Regresión con variables ficticias en
XUMA Universidade
de Vigo
y = β0 + β1 X 1 +L+ βX k +
+ α0 I A + α11 IX 11 +L+αs −1k IX s −1k + ε
X j si t ∈ Cl
Donde IX lj = j = 1... k ; l = 1... s − 1
0 si t ∉ A
Interacciones en XUMA Universidade
de Vigo
|_GENR IS21=FS2*X1
|_GENR IS22=FS2*X2
|_OLS Y X1 X2 FS2 IS21 IS22
REQUIRED MEMORY IS PAR= 6 CURRENT PAR= 2000
OLS ESTIMATION
20 OBSERVATIONS DEPENDENT VARIABLE= Y
...NOTE..SAMPLE RANGE SET TO: 1, 20
R-SQUARE = 0.9722 R-SQUARE ADJUSTED = 0.9623
VARIANCE OF THE ESTIMATE-SIGMA**2 = 0.67102E-01
STANDARD ERROR OF THE ESTIMATE-SIGMA = 0.25904
SUM OF SQUARED ERRORS-SSE= 0.93943
MEAN OF DEPENDENT VARIABLE = 13.708
LOG OF THE LIKELIHOOD FUNCTION = 2.20337
VARIABLE ESTIMATED STANDARD T-RATIO PARTIAL STANDARDIZED ELASTICITY
NAME COEFFICIENT ERROR 14 DF P-VALUE CORR. COEFFICIENT AT MEANS
X1 0.51733 0.2560E-01 20.21 0.000 0.983 0.9866 0.2230
X2 0.68416E-01 0.2619E-01 2.612 0.020 0.572 0.1407 0.0339
FS2 0.22659 0.4766 0.4754 0.642 0.126 0.0754 0.0041
IS21 -0.80899E-01 0.9314E-01 -0.8686 0.400-0.226 -0.1511 -0.0078
IS22 0.59235E-02 0.5941E-01 0.9971E-01 0.922 0.027 0.0136 0.0007
CONSTANT 10.228 0.2726 37.52 0.000 0.995 0.0000 0.7461