Académique Documents
Professionnel Documents
Culture Documents
Supue
ECONOMETR ÍA I
Curso 2018
ECONOMETRÍA I 1 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
6 P ROPIEDADES DE LOS
1 I NTRODUCCI ÓN
ESTIMADORES
2 M ODELO DE REGRESI ÓN
LINEAL SIMPLE 7 S UPUESTOS MRLS
Introducción
Introducción
ECONOMETRÍA I 4 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Introducción
MODELOS
Nos interesarán las relaciones que tienen las variables económicas, pero en
particular las relaciones no deterministas. Conociendo la relación entre
variables,no podemos prever con certeza el valor que tomará una de las
variables en función del valor que asumen las demás. Esto se debe a que
podemos no estar considerando todas las variables relevantes o cometiendo
errores de medida, aún si la variable de respuesta pudiera ser predicha con
certeza en condiciones totalmente controladas. En estos casos estamos
frente a lo que se denomina una relación estadı́stica entre variables.
ECONOMETRÍA I 5 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
ECONOMETRÍA I 6 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
ECONOMETRÍA I 7 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
Vemos que, en general, las familias que tienen mayores ingresos tienen
también mayores niveles de gastos.
ECONOMETRÍA I 8 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
Vemos que, en general, las familias que tienen mayores ingresos tienen
también mayores niveles de gastos.
¿Necesariamente una familia con mayor nivel de ingresos tiene asociado un
mayor nivel de gastos?
ECONOMETRÍA I 8 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
Vemos que, en general, las familias que tienen mayores ingresos tienen
también mayores niveles de gastos.
¿Necesariamente una familia con mayor nivel de ingresos tiene asociado un
mayor nivel de gastos?
Resp: observar la penúltima fila de la tabla (una familia con ingreso 240 y
gasto 189 y la otra con ingreso de 260 y gasto de 185).
ECONOMETRÍA I 8 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
Vemos que, en general, las familias que tienen mayores ingresos tienen
también mayores niveles de gastos.
¿Necesariamente una familia con mayor nivel de ingresos tiene asociado un
mayor nivel de gastos?
Resp: observar la penúltima fila de la tabla (una familia con ingreso 240 y
gasto 189 y la otra con ingreso de 260 y gasto de 185).
¿Cuál es el valor esperado del consumo semanal de una familia?
ECONOMETRÍA I 8 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
Vemos que, en general, las familias que tienen mayores ingresos tienen
también mayores niveles de gastos.
¿Necesariamente una familia con mayor nivel de ingresos tiene asociado un
mayor nivel de gastos?
Resp: observar la penúltima fila de la tabla (una familia con ingreso 240 y
gasto 189 y la otra con ingreso de 260 y gasto de 185).
¿Cuál es el valor esperado del consumo semanal de una familia?
Respuesta: 121,20 dólares=7.272/60
Cuál es el valor esperado del consumo semanal de una familia cuyo ingreso
semanal es de 140 dólares?
ECONOMETRÍA I 8 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
Vemos que, en general, las familias que tienen mayores ingresos tienen
también mayores niveles de gastos.
¿Necesariamente una familia con mayor nivel de ingresos tiene asociado un
mayor nivel de gastos?
Resp: observar la penúltima fila de la tabla (una familia con ingreso 240 y
gasto 189 y la otra con ingreso de 260 y gasto de 185).
¿Cuál es el valor esperado del consumo semanal de una familia?
Respuesta: 121,20 dólares=7.272/60
Cuál es el valor esperado del consumo semanal de una familia cuyo ingreso
semanal es de 140 dólares?
Respuesta: 101 dólares
Notación
ECONOMETRÍA I 9 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Notación
Esta figura muestra que, para cada x (nivel de ingresos) existe una población
de valores y (consumo semanal) que se distribuyen alrededor de la media
condicional de dichos valores de y.
ECONOMETRÍA I 10 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
M ODELO
Consideremos una medición de una variable sobre una unidad en estudio, que
produce una observación yi . Un modelo econométrico propone considerar dicha
observación formada por dos componentes, una parte sistemática f (x), y una
parte aleatoria denotado por u.
Ası́, un modelo econométrico se puede plantear con una ecuación del tipo
yi = f (xi ) + ui i = 1, 2, ..., n
ECONOMETRÍA I 11 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
¿Qué forma tiene la parte sistemática f (x)? La teorı́a tendrá mucho que decir
al respecto.
E [y |xi ] = β0 + β1 xi .
ECONOMETRÍA I 12 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 13 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
yi = E [y |xi ] + ui
ECONOMETRÍA I 14 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Vaguedad de la teorı́a.
Falta de disponibilidad de datos.
Variables centrales y periféricas.
Aleatoriedad intrı́nsica en el comportamiento humano.
Variables representantes (proxy) inadecuadas.
Principio de parsimonia.
Forma funcional incorrecta.
ECONOMETRÍA I 15 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 16 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 17 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
N OTACI ÓN
1 yi = E [y |xi ] + ui = β0 + β1 xi + ui
2 E [y |xi ] = β0 + β1 xi
3 E [yˆ|xi ] = βˆ0 + βˆ1 xi
Se obtendrán tantas FRM como muestras haya, sin embargo la FRP es única.
ECONOMETRÍA I 19 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 20 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
Se puso a la venta un nuevo tipo de lavadora en 11 grandes comercios (todos ellos son
de aproximadamente igual tamaño y están situados en barrios de caracterı́sticas
socioeconómicas similares). El productor ha variado el precio de venta en cada uno.
Para cada comercio se dispone del precio de venta y el número de unidades que se
vendieron el mes pasado.
Precio Unidades
(en US$) vendidas
280 44
290 41
300 34
310 38
320 33
330 30
340 32
350 26
360 28
370 23
380 20
ECONOMETRÍA I 21 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
Se puso a la venta un nuevo tipo de lavadora en 11 grandes comercios (todos ellos son
de aproximadamente igual tamaño y están situados en barrios de caracterı́sticas
socioeconómicas similares). El productor ha variado el precio de venta en cada uno.
Para cada comercio se dispone del precio de venta y el número de unidades que se
vendieron el mes pasado.
Precio Unidades
(en US$) vendidas DIAGRAMA DE DISPERSIÓN
280 44
290 41
300 34
310 38
320 33
330 30
340 32
350 26
360 28
370 23
380 20
ECONOMETRÍA I 21 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
Se puso a la venta un nuevo tipo de lavadora en 11 grandes comercios (todos ellos son
de aproximadamente igual tamaño y están situados en barrios de caracterı́sticas
socioeconómicas similares). El productor ha variado el precio de venta en cada uno.
Para cada comercio se dispone del precio de venta y el número de unidades que se
vendieron el mes pasado.
Precio Unidades
(en US$) vendidas DIAGRAMA DE DISPERSIÓN
280 44
290 41
300 34
310 38
320 33
330 30
340 32
350 26
360 28
370 23
380 20
El diagrama indica que, sujeto a errores aleatorios, la hipótesis de que existe una
relación lineal entre el número de unidades vendidas y el precio resulta razonable. Esto
es, el modelo de regresión lineal simple parece ser apropiado.
ECONOMETRÍA I 21 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 22 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 22 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 22 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Es decir, ûi representa el error que se deriva de usar los valores estimados
de los parámetros de la recta de regresión para predecir la respuesta al
valor de entrada xi .
ECONOMETRÍA I 22 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Es decir, ûi representa el error que se deriva de usar los valores estimados
de los parámetros de la recta de regresión para predecir la respuesta al
valor de entrada xi .
ECONOMETRÍA I 23 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Para los pares de datos (xi , yi ), i = 1, 2, ..., n, los valores estimados por mı́nimos
cuadrados para β0 y β1 son los valores βˆ0 y βˆ1 , respectivamente, que minimizan
la suma de los residuos al cuadrado:
h i2
∑ni=1 (yi − (βˆ0 + βˆ1 xi )
ECONOMETRÍA I 24 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Para los pares de datos (xi , yi ), i = 1, 2, ..., n, los valores estimados por mı́nimos
cuadrados para β0 y β1 son los valores βˆ0 y βˆ1 , respectivamente, que minimizan
la suma de los residuos al cuadrado:
h i2
∑ni=1 (yi − (βˆ0 + βˆ1 xi )
La suma de los residuos puede ser pequeña incluso aunque los residuos
individuales sean grandes ya que los residuos grandes positivos se podrı́an
compensar con los residuos grandes negativos (más aún, el procedimiento
propuesto conduce a que la suma de los residuos sea nula). Sin embargo, esto
no ocurre con la suma de los cuadrados de los residuos puesto que ninguno de
los sumandos puede ser negativo.
ECONOMETRÍA I 24 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
i=n i=n 2
SCR = ∑ û2i = ∑ yi − βˆ0 − βˆ1 xi
i=1 i=1
n
∂ SCR
= ∑ 2 yi − βˆ0 − βˆ1 xi (−1) = 0
∂ βˆ0 i=1 | {z }| {z }
∂ ûi
ûi ∂ βˆ0
n
∂ SCR
= ∑ 2 yi − βˆ0 − βˆ1 xi (−xi ) = 0
∂ βˆ1 i=1 | {z }| {z }
∂ ûi
ûi ∂ βˆ1
ECONOMETRÍA I 25 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
E CUACIONES NORMALES
n n
∑ yi = n βˆ0 + βˆ1 ∑ xi
i=1 i=1
n n n
∑ yi xi = βˆ0 ∑ xi + βˆ1 ∑ xi2
i=1 i=1 i=1
!
∑ni=1 yi xi ∑ni=1 xi2
− y x = βˆ0 x − βˆ0 x + βˆ1 − x2
n n
∑ni=1 yi xi
−y x ∑ni=1 yi xi − n y x
despejando se obtiene: βˆ1 = n
=
∑ni=1 xi2 ∑ni=1 xi2 − n x2
n − x2
ECONOMETRÍA I 26 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
donde
∑ni xi ∑ni yi
x̄ = n ; ȳ = n ; Sxy = ∑ni=1 (xi − x̄)(yi − ȳ) ; Sxx = ∑ni=1 (xi − x̄)2
ECONOMETRÍA I 27 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 28 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 28 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 28 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 28 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 28 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 29 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 30 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
B ONDAD DE AJUSTE
Se considera la suma de cuadrados totales SCT = ∑ni=1 (yi − ȳ)2 como una
medida de la variabilidad del conjunto de respuestas y1 , ..., yn con respecto
a su media muestral.
ECONOMETRÍA I 31 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
B ONDAD DE AJUSTE
Se considera la suma de cuadrados totales SCT = ∑ni=1 (yi − ȳ)2 como una
medida de la variabilidad del conjunto de respuestas y1 , ..., yn con respecto
a su media muestral.
Sabemos que el estimador de la respuesta yi para cada valor de entrada xi
es yˆi = βˆ0 + βˆ1 xi .
ECONOMETRÍA I 31 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
B ONDAD DE AJUSTE
Se considera la suma de cuadrados totales SCT = ∑ni=1 (yi − ȳ)2 como una
medida de la variabilidad del conjunto de respuestas y1 , ..., yn con respecto
a su media muestral.
Sabemos que el estimador de la respuesta yi para cada valor de entrada xi
es yˆi = βˆ0 + βˆ1 xi .
Ası́, se define la suma de cuadrados de los residuos SCR = ∑ni=1 (yi − yˆi )2
mide la variabilidad residual de la variable de respuesta luego de haber
tenido en cuenta su estimación según el modelo propuesto. Es decir SCR
mide aquellas variaciones que no recoge el modelo.
ECONOMETRÍA I 31 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
B ONDAD DE AJUSTE
Se considera la suma de cuadrados totales SCT = ∑ni=1 (yi − ȳ)2 como una
medida de la variabilidad del conjunto de respuestas y1 , ..., yn con respecto
a su media muestral.
Sabemos que el estimador de la respuesta yi para cada valor de entrada xi
es yˆi = βˆ0 + βˆ1 xi .
Ası́, se define la suma de cuadrados de los residuos SCR = ∑ni=1 (yi − yˆi )2
mide la variabilidad residual de la variable de respuesta luego de haber
tenido en cuenta su estimación según el modelo propuesto. Es decir SCR
mide aquellas variaciones que no recoge el modelo.
ECONOMETRÍA I 31 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
n n n
∑ (yi − ȳ)2 = ∑ (ŷi − ȳ)2 + ∑ û2i
i=1 i=1 i=1
| {z } | {z } | {z }
SCT SCE SCR
= SCR + SCE
obs: ∑ni=1 ûi (yˆi − ȳ) = 0 pues es el numerador de la covarianza entre los residuos
y los valores ajustados de la variable dependiente.
ECONOMETRÍA I 32 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 33 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
N OTACI ÓN
No existe acuerdo general para el nombre ni para las siglas de las tres
cantidades anteriores y esto provoca grandes confusiones:
ECONOMETRÍA I 34 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
D EFINICI ÓN
En consecuencia, la expresión R2 definida por
SCT − SCR SCR SCE
R2 = = 1− = recibe el nombre de coeficiente de
SCT SCT SCT
determinación.
I NTERPRETACI ÓN
Representa la proporción de variabilidad en las respuestas que es explicada
por el modelo propuesto.
El coeficiente de determinación R2 toma valores entre 0 y 1.
Un valor de R2 próximo a 1 indica que la mayor parte de la variabilidad de
la variable de respuesta está explicada por el modelo.
Un valor de R2 próximo a 0 indica que es muy poca la variabilidad de la
variable de respuesta que es explicada por el modelo.
ECONOMETRÍA I 35 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
RESULTADO
Recordemos que el coeficiente de correlación muestral para el conjunto de pares
de datos (xi , yi ), i = 1, ..., n, está dado por
∑ni=1 (xi −x̄)(yi −ȳ) S
r= √ = √ xy
∑ni=1 (xi −x̄)2 ∑ni=1 (yi −ȳ)2 Sxx Syy
ECONOMETRÍA I 36 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
RESULTADO
Recordemos que el coeficiente de correlación muestral para el conjunto de pares
de datos (xi , yi ), i = 1, ..., n, está dado por
∑ni=1 (xi −x̄)(yi −ȳ) S
r= √ = √ xy
∑ni=1 (xi −x̄)2 ∑ni=1 (yi −ȳ)2 Sxx Syy
ECONOMETRÍA I 36 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
Retomamos el ejemplo de las nuevas lavadoras que se ofrecen a distintos precios
en 11 grandes comercios en el que definimos y = número de lavadoras vendidas
en un comercio y x = precio al que se ofrece una lavadora en un comercio.
Nos planteamos el modelo: yi = β0 + β1 xi + ui i = 1, 2, ..., n.
ECONOMETRÍA I 37 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
Retomamos el ejemplo de las nuevas lavadoras que se ofrecen a distintos precios
en 11 grandes comercios en el que definimos y = número de lavadoras vendidas
en un comercio y x = precio al que se ofrece una lavadora en un comercio.
Nos planteamos el modelo: yi = β0 + β1 xi + ui i = 1, 2, ..., n.
ECONOMETRÍA I 37 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
Retomamos el ejemplo de las nuevas lavadoras que se ofrecen a distintos precios
en 11 grandes comercios en el que definimos y = número de lavadoras vendidas
en un comercio y x = precio al que se ofrece una lavadora en un comercio.
Nos planteamos el modelo: yi = β0 + β1 xi + ui i = 1, 2, ..., n.
En este ejemplo tenemos: SRC = 44, 14 y SCT = 546, 18. Por tanto,
SCR 44,14
R2 = 1 − SCT = 1 − 546,18 = 0, 92.
ECONOMETRÍA I 37 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
Retomamos el ejemplo de las nuevas lavadoras que se ofrecen a distintos precios
en 11 grandes comercios en el que definimos y = número de lavadoras vendidas
en un comercio y x = precio al que se ofrece una lavadora en un comercio.
Nos planteamos el modelo: yi = β0 + β1 xi + ui i = 1, 2, ..., n.
En este ejemplo tenemos: SRC = 44, 14 y SCT = 546, 18. Por tanto,
SCR 44,14
R2 = 1 − SCT = 1 − 546,18 = 0, 92.
ECONOMETRÍA I 37 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
Retomamos el ejemplo de las nuevas lavadoras que se ofrecen a distintos precios
en 11 grandes comercios en el que definimos y = número de lavadoras vendidas
en un comercio y x = precio al que se ofrece una lavadora en un comercio.
Nos planteamos el modelo: yi = β0 + β1 xi + ui i = 1, 2, ..., n.
En este ejemplo tenemos: SRC = 44, 14 y SCT = 546, 18. Por tanto,
SCR 44,14
R2 = 1 − SCT = 1 − 546,18 = 0, 92.
ECONOMETRÍA I 37 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Estas propiedades son válidas por construcción, es decir, para cualquier muestra
de datos.Surgen directamente de las condiciones de primer orden del método
MCO.
ECONOMETRÍA I 38 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 39 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
S UPUESTO 1
S IGNIFICADO DEL T ÉRMINO LINEAL
El término lineal puede ser interpretada de dos formas:
Linealidad en las variables
La esperanza condicional de y es una función lineal de la x.
Geométricamente la curva de regresión es una recta.
Linealidad en los parámetros
Es lineal en los parámetros (β ), puede ser o no lineal en la x. El supuesto
de linealidad refiere a este segundo caso.
A LGUNOS EJEMPLOS
1 E [y |xi ] = β0 + β1 xi
2 E [y |xi ] = β0 + β1 xi2
3 E [y |xi ] = β0 + β12 xi
4 E [y |xi ] = β0 + β1 log(xi )
β
5 E [y |xi ] = β0 xi
6 E [y |xi ] = exp( β0 + β1 xi )
ECONOMETRÍA I 40 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
En ocasiones este supuesto falla. Es usual tener datos faltantes (no respuesta).
Los datos pueden faltar por diferentes razones:
ECONOMETRÍA I 41 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Mas adelante veremos que las primeras dos razones no generan problema, pero
la tercera puede conducir a sesgo: sesgo por selección muestral.
E JEMPLOS
Salarios de las mujeres sólo se observan para las que trabajan.
Estado de salud sólo se observa para los que fueron al médico.
Desempeño de las personas que se autoseleccionan para realizar una
prueba.
ECONOMETRÍA I 42 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Es muy raro que no se cumpla, la única forma serı́a que todos los individuos
tuvieran exactamente el mismo valor de la variable regresora.
ECONOMETRÍA I 43 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
E [ui |xi ] = 0
ECONOMETRÍA I 44 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 45 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
S UPUESTOS 5. H OMOSCEDASTICIDAD
Note que σ 2 no tiene el subı́ndice i, lo que significa que es constante para todo
valor de i.
Var[ui |xi ] = E(ui |xi − E[ui |xi ])2 = E[u2i |xi ] − E 2 [ui |xi ]
por supuesto 3) el último término es cero, entonces Var[ui |xi ] = E[u2i |xi ] = σ 2
Este supuesto implica que las varianzas condicionales de yi |xi también son
homoscedásticas.
ECONOMETRÍA I 46 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
S UPUESTOS 5. H OMOSCEDASTICIDAD
ECONOMETRÍA I 47 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
∑ni=1 Xi2
Var(βˆ1 ) = n∗∑ni=1 Xi2
∗σ2
ECONOMETRÍA I 48 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ESTIMACI ÓN DE σ 2
El valor de σ 2 es desconocido y se deberá estimar a partir de los datos.
Por tanto, debemos obtener un estimador puntual para este parámetro.
ECONOMETRÍA I 49 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ESTIMACI ÓN DE σ 2
El valor de σ 2 es desconocido y se deberá estimar a partir de los datos.
Por tanto, debemos obtener un estimador puntual para este parámetro.
Para deducirlo definimos las variables aleatorias yi − βˆ0 + βˆ1 xi
∀i = 1, 2....n que se denominan residuos.
ECONOMETRÍA I 49 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ESTIMACI ÓN DE σ 2
El valor de σ 2 es desconocido y se deberá estimar a partir de los datos.
Por tanto, debemos obtener un estimador puntual para este parámetro.
Para deducirlo definimos las variables aleatorias yi − βˆ0 + βˆ1 xi
∀i = 1, 2....n que se denominan residuos.
Ası́, los residuos representan las diferencias entre la variable de respuesta y
su estimador a través del modelo que estamos postulando.
ECONOMETRÍA I 49 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ESTIMACI ÓN DE σ 2
El valor de σ 2 es desconocido y se deberá estimar a partir de los datos.
Por tanto, debemos obtener un estimador puntual para este parámetro.
Para deducirlo definimos las variables aleatorias yi − βˆ0 + βˆ1 xi
∀i = 1, 2....n que se denominan residuos.
Ası́, los residuos representan las diferencias entre la variable de respuesta y
su estimador a través del modelo que estamos postulando.
La suma de los cuadrados de los residuos se denota como SCR, es decir
h i2
SCR = ∑n yi − βˆ0 + βˆ1 xi i=1
ECONOMETRÍA I 49 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ESTIMACI ÓN DE σ 2
El valor de σ 2 es desconocido y se deberá estimar a partir de los datos.
Por tanto, debemos obtener un estimador puntual para este parámetro.
Para deducirlo definimos las variables aleatorias yi − βˆ0 + βˆ1 xi
∀i = 1, 2....n que se denominan residuos.
Ası́, los residuos representan las diferencias entre la variable de respuesta y
su estimador a través del modelo que estamos postulando.
La suma de los cuadrados de los residuos se denota como SCR, es decir
h i2
SCR = ∑n yi − βˆ0 + βˆ1 xi i=1
ECONOMETRÍA I 49 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 50 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 50 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 50 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 50 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
EJEMPLO
ECONOMETRÍA I 50 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
y = X β + u
(n × 1) (n × k) (k × 1) (n × 1)
En elcaso
del modelolineal simple,
k=2, se tiene que:
y1 1 x1 u1
y2 1 x2 u2
β0
y= . X= . β= u=
. ..
.. .. ..
β1 .
yn 1 xn un
ECONOMETRÍA I 51 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 52 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
Y = X β + u
(n × 1) (n × k) (k × 1) (n × 1)
Estamos
trabajando
con
modelos
lineales simples,
entonces
k=1 y se tiene que:
y1 x1 u1
y2 x2 u2
Y= . X= β = (β ) u= .
..
.. . .
.
yn xn un
ECONOMETRÍA I 53 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
∑ni=1 xi yi
β̂ = (X 0 X)−1 (X 0Y ) = ;
∑ni=1 xi2
La expresión ∑ni=1 yi − xi β̂ = 0 ya no forma parte de las ecuaciones normales
del modelo y no se puede garantizar que la suma de los residuos de cero.
ECONOMETRÍA I 54 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 55 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
F ORMA FUNCIONAL
β1 es la elasticidad de y sobre x.
cuando x aumenta un 1 %, y aumenta un β1 %.
Ej: elasticidad de la demanda con respecto al precio.
ECONOMETRÍA I 56 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
F ORMA FUNCIONAL
yi = β0 + β1 ln(xi ) + ui
ln(yi ) = β0 + β1 (xi ) + ui
ECONOMETRÍA I 57 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
F ORMA FUNCIONAL
ECONOMETRÍA I 58 / 59
Introducción Modelo de regresión lineal simple Estimación de los parámetros Método MCO Bondad de ajuste Propiedades de los estimadores Supue
ECONOMETRÍA I 59 / 59