Econometría Clase 12

Ingeniería Comercial 2017

Universidad del Bio-Bio

César Salazar, PhD.

Semana 24-28 Abril, 2017
 Clase anterior

1. Evaluación del modelo de regresión

2. Bondad de ajuste del modelo

3. Significancia Global del Modelo

4. Cumplimiento de los Supuestos MRLS

5. Síntesis

Econometría- Clase 12 2
 Esquema de la clase

1. Prueba de hipótesis de los coeficientes del modelo

2. Prueba de significancia individual

3. Prueba de significancia para la varianza

4. Síntesis

Econometría- Clase 12 3
Pruebas de Hipótesis para los Coeficientes Estimados

 Las pruebas de hipótesis se utilizan para realizar inferencia

estadística sobre los coeficientes del modelo, y para evaluar su
significancia a nivel individual y global.

 Este enfoque supone que la variable en estudio (estadístico o

estimador) sigue alguna distribución de probabilidad, y se evalúa
la veracidad o falsedad de una hipótesis planteada con respecto a
sus momentos muestrales, o al cumplimiento de ciertas
relaciones teóricas.

 La evaluación es realizada a través de la construcción de un

estadístico de prueba a partir de la información muestral.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

 Ejemplo: Consideremos un modelo que explica el crecimiento de

los precios en una economía (p), en función del crecimiento de
los salarios (w). Se quiere evaluar si el aumento en los salarios
se traduce en un aumento en el nivel de precios de la misma
magnitud, es decir:
H 0 :  2  1.0
H1 :  2  1.0

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2

Distribución de b2 cuando la hipótesis nula

H0: 2 =20 es cierta

20-4sd 20-3sd 20-2sd 20-sd 20 20+sd 20+2sd 20+3sd 20+4sd b2

Si Ho es verdadera, el coeficiente b2 tendrá una distribución con media 1. Sin embargo,

si a partir de un conjunto de información sobre estas variables se estima que el
coeficiente asociado a la pendiente es 0.9, existe evidencia en contra de que 2 =1?

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2

Distribución de b2 cuando la hipótesis nula

H0: 2 =20es cierta

0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 b2

Debido a la existencia del término de perturbación, no es posible obtener una
estimación exactamente igual a 1, sino algunas desviaciones estándar por encima o
por debajo de este valor. Así, si Ho es cierta, la probabilidad de obtener un
resultado como este es de 31.7%

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2

Distribución de b2 cuando la hipótesis nula

H0: 2 =20es cierta

0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 b2

Si el coeficiente estimado es 1.4, este valor excede 4 desviaciones estándar la

media hipotética, por lo que la probabilidad de obtener un valor como este será
aproximadamente 0.006%, lo que no permitiría aceptar Ho.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2

Distribución de b2 cuando la hipótesis nula

H0: 2 =20es cierta

0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 b2

Si el coeficiente estimado fuera 0.77, este valor excede entre 2 y 3 desviaciones

estándar la media hipotética, lo que podría sugerir que Ho es cierta y su estimador
es muy poco robusto, o que Ho es falsa.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2

Distribución de b2 cuando la hipótesis nula

H0: 2 =20es cierta

2.5% 2.5%

20-4sd 20-3sd 20-2sd 20-sd 20 20+sd 20+2sd 20+3sd 20+4sd b2

El procedimiento general es rechazar Ho si la probabilidad de obtener una

observación tan extrema como la estimada es menor que algún valor p (0.05; 0.01),
es decir, si el coeficiente estimado se encuentra en las colas de la distribución.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2

Distribución de b2 cuando la hipótesis nula

H0: 2 =2 es cierta

2.5% 2.5%

20-1.96sd 20-sd 20 20+sd 20+1.96sd b2

Para el caso de que p=0.05, las colas de la distribución normal comienzan a 1.96
desviaciones estándar de su media. Por lo tanto, se rechazará Ho si el valor del
coeficiente estimado se encuentra 1.96 veces por encima o por debajo de la media
hipotética.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados
Función de densidad
de probabilidad de b2

2.5% 2.5%

20-1.96sd 20-sd 20 20+sd 20+1.96sd

b2
Criterios de decisión para rechazar Ho al 5% de significancia (p=0.05).

1. Si b2   20  1.96 s.d. 2. Si b2   20  1.96 s.d.

b2   20  1.96 s.d. b2   20  1.96 s.d.
(b2   20 ) / s.d.  1.96 (b2   20 ) / s.d.  1.96

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados
Función de densidad
de probabilidad de b2

b2   20
z
s.d.

2.5% 2.5%

20-1.96sd 20-sd 20 20+sd 20+1.96sd

b2
Esta diferencia puede ser expresada en términos del estadístico Z, que hace
referencia a la distribución normal. De esta manera, la regla de decisión es rechazar
Ho si Z>1.96 en términos absolutos (Z>1.96 y Z<-1.96).

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2
 20  1.96 s.d.  b2   20  1.96 s.d.
 1.96  z  1.96
Región de aceptación para b2:

Zona Zona
Rechazo Ho Rechazo Ho

b2   20
z
s.d. 2.5% 2.5%

20-1.96sd 20-sd 20 20+sd 20+1.96sd b2

La zona al interior de la distribución representa la zona de aceptación de Ho.

Los valores límite para la aceptación de Ho son 1.96 y -1.96 respectivamente
para p=0.05.
Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados
Función de densidad
de probabilidad de b2

0.804  b2  1.196

2.5% 2.5%

0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 b2

Volviendo al ejemplo de la inflación y los salarios, debido a que el coeficiente

estimado (0.9) se encuentra en la zona de aceptación, no se puede rechazar Ho.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados
Función de densidad
de probabilidad de b2

Región de aceptación para b2:

Zona Zona
Rechazo Ho Rechazo Ho

2.5% 2.5%

20-1.96sd 20-sd 20 20+sd 20+1.96sd b2

Se define el “Error Tipo I” como la probabilidad de rechazar Ho dado que es

verdadera. Este valor p corresponde a la probabilidad de equivocarnos al rechazar
Ho, que en este ejemplo es del 5%. Este error es también asociado al nivel de
significancia de la prueba.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2

Región de aceptación para b2:

Zona Zona
Rechazo Ho Rechazo Ho

2.5% 2.5%

20-1.96sd 20-sd 20 20+sd 20+1.96sd b2

El “Nivel de Significancia” de una prueba de hipótesis se define como la

probabilidad de tener un error tipo I, si la hipótesis nula es verdadera.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Función de densidad
de probabilidad de b2

Región de aceptación para b2:

 20  2.58 s.d.  b2   20  2.58 s.d.
 2.58  z  2.58

Zona Zona
Rechazo Ho Rechazo Ho

0.5% 0.5%

20-2.58sd 20-sd 20 20+sd 20+2.58sd b2

El riesgo asociado al error tipo I se puede reducir minimizando el tamaño de la

zona de rechazo. En este caso p=0.01

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados
Distribución hipotética
para H0 :  2   20

Región de aceptación para b2:

2.5% 2.5%

20-1.96sd 20-sd 20 20+sd 20+1.96sd b2

De manera análoga, se define el “Error tipo II” como la probabilidad de aceptar

Ho, dado que esta es falsa. Para efectos prácticos, existe un trade-off entre el
error tipo I y el error tipo II.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Distribución hipotética
para H0 :  2   20

1% significancia Distribución actual

5% significancia para H1 :  2   21

0.5% 0.5%

20 21-2sd 21-sd 21 21+sd 21+2sd b2

En el caso en que H1: 2 = 21 sea la verdadera distribución para b2, en la medida
en que se utilicen niveles de significancia más precisos, existirá una gran
probabilidad de cometer un error tipo II.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Distribución hipotética
para H0 :  2   20

1% significancia Distribución actual

5% significancia para H1 :  2   21

0.5% 0.5%

20 21-2sd 21-sd 21 21+sd 21+2sd

El área roja denota el error tipo II para a=1% de significancia, mientras que el
área gris denota el error tipo II para el caso en que a=5%.

Econometría- Clase 12
Pruebas de Hipótesis para los Coeficientes Estimados

Distribución hipotética
para H0 :  2   20

1% significancia Distribución actual

5% significancia para H1 :  2   21

0.5% 0.5%

20 21-2sd 21-sd 21 21+sd 21+2sd

Si Ho es verdadera, el utilizar niveles de significancia mas precisos reducen el

riesgo de cometer un error tipo I, a la vez que no se comete error tipo II. Sin
embargo, si Ho es falsa, se tiene una mayor probabilidad de cometer un error tipo
II, a la vez que no se puede cometer un error tipo I.
Econometría- Clase 12
 Prueba de Significancia Individual
 Dentro del análisis de regresión, se distinguen los siguientes tipos:
1. Prueba de significancia individual para los coeficientes estimados.
2. Prueba de hipótesis para la varianza de los coeficientes estimados.

 La prueba de significancia individual permite evaluar si los

coeficiente asociados al intercepto y a la pendiente permiten
explicar, de manera aislada, el problema en estudio, por lo que
se plantea la siguiente hipótesis:
H o :  2   2* H o : 2  0
H1 :  2   2* H1 :  2  0

Debido a que  u es desconocida, y bajo el supuesto de

2

normalidad, se utiliza el estadístico t-student para el caso del
intercepto:
ˆ1  1
t t n 2
ˆ ˆ
1

Econometría- Clase 12
 Prueba de Significancia Individual
 De manera análoga para la pendiente:

ˆ2   2
t t n 2
ˆ ˆ
2

 El criterio de decisión se resume en la siguiente tabla:

Tipo Ho H1 Criterio
decisión
Dos colas 2  2* t  t1a / 2,n2
2  2*

Cola derecha  2   2* 2  2* t  t1a ,n2

Cola izquierda  2   2*  2   2* t  t1a ,n2

Econometría- Clase 12
 Prueba de Significancia Individual

EARNINGS S

Source | SS df MS Number of obs = 570

---------+------------------------------ F( 1, 568) = 65.64
Model | 3977.38016 1 3977.38016 Prob > F = 0.0000
Residual | 34419.6569 568 60.5979875 R-squared = 0.1036
---------+------------------------------ Adj R-squared = 0.1020
Total | 38397.0371 569 67.4816117 Root MSE = 7.7845

------------------------------------------------------------------------------
EARNINGS | Coef. Std. Err. t P>|t| [95% Conf. Interval]
---------+--------------------------------------------------------------------
S | 1.073055 .1324501 8.102 0.000 .8129028 1.333206
_cons | -1.391004 1.820305 -0.764 0.445 -4.966354 2.184347
------------------------------------------------------------------------------

Para modelo de regresión simple, la prueba de significancia para el coeficiente b 2

es análogo a la prueba de significancia global.

Verificar que en este caso: a) F = t2

b) t = Coef/Std. Err.

Econometría- Clase 12
 Prueba de Significancia para la Varianza

Debido a que ˆ u es una estimación de u , es posible plantear

2 2

una hipótesis sobre un valor del verdadero parámetro de la
varianza de  i . Para tal efecto, se utiliza el estadístico:

ˆ u2
  (n  2) 2
2
 n22
u

 El criterio de decisión para esta prueba se presenta a continuación:

Tipo Ho H1 Criterio decisión

Dos colas ˆ 2 ˆ
2
 
2 2
 
2 2
(n  2) u2  a2 / 2, n  2 ( n  2) u2   (12 a / 2), n  2
o o u u

Cola derecha ˆ u2
 
2 2
 
2 2
(n  2) 2  a2 ,n 2
o o
u
Cola izquierda ˆ u2
 
2 2
 
2 2
(n  2) 2  12a ,n 2
u
o o

Econometría- Clase 12