Vous êtes sur la page 1sur 20

Centro de Investigación y Docencia Económicas, A.C.

División de Economía

NOTA: La Distribución Normal y Distribuciones Relacionadas

(i) El vector de variables aleatorias 𝑿𝑿𝑁𝑁×1 tiene una distribución normal multivariada con media
𝝁𝝁𝑁𝑁×1 y matriz de covarianza 𝛀𝛀𝑁𝑁×𝑁𝑁 –usualmente denotado por 𝑿𝑿~𝑁𝑁(𝝁𝝁, 𝛀𝛀)– si su función de
densidad conjunta está dada por:

𝑁𝑁
−2
1
−2 1
𝑓𝑓(𝑋𝑋1 , 𝑋𝑋2 , … , 𝑋𝑋𝑁𝑁 ) = (2𝜋𝜋) |𝛀𝛀| exp �− (𝑿𝑿 − 𝝁𝝁)ʹ 𝛀𝛀−1 (𝑿𝑿 − 𝝁𝝁)�
2

 En el caso Ω𝑖𝑖𝑖𝑖 = 𝜎𝜎 2 , ∀ 𝑖𝑖 = 𝑗𝑗; Ω𝑖𝑖𝑖𝑖 = 0; ∀ 𝑖𝑖 ≠ 𝑗𝑗 las variables aleatorias 𝑋𝑋1 , 𝑋𝑋2 , … , 𝑋𝑋𝑁𝑁 son
independientes y la densidad conjunta es igual al producto de las densidades individuales:

𝑁𝑁 𝑁𝑁
− 2 2− 2 1
𝑓𝑓 (𝑋𝑋1 , 𝑋𝑋2 , … , 𝑋𝑋𝑁𝑁 ) = (2𝜋𝜋) 𝜎𝜎 exp �− 2
(𝑿𝑿 − 𝝁𝝁)ʹ (𝑿𝑿 − 𝝁𝝁)� = 𝑓𝑓(𝑋𝑋1 ) · 𝑓𝑓(𝑋𝑋2 ) · … · 𝑓𝑓(𝑋𝑋𝑛𝑛 )
2𝜎𝜎
En este caso el vector 𝑿𝑿~𝑁𝑁(𝝁𝝁, 𝜎𝜎 2 𝑰𝑰).

 Si adicionalmente, 𝜎𝜎 2 = 1 y 𝜇𝜇𝑖𝑖 = 0; 𝑖𝑖 = 1, … , 𝑁𝑁 entonces:

1 𝑁𝑁
−2
𝑓𝑓(𝑋𝑋1 , 𝑋𝑋2 , … , 𝑋𝑋𝑁𝑁 ) = (2𝜋𝜋)
exp �− 𝑿𝑿ʹ𝑿𝑿�
2
En este caso 𝑿𝑿 es un vector de variables aleatorias normales estándar independientes: 𝑿𝑿~𝑁𝑁(𝟎𝟎, 𝑰𝑰)

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

La Distribución Normal y Distribuciones Relacionadas (Cont.)

(ii) Si 𝑍𝑍1 , 𝑍𝑍2 , … , 𝑍𝑍𝑁𝑁 son variables aleatorias normales estándar e independientes, entonces la
transformación 𝑌𝑌 = 𝑍𝑍12 + 𝑍𝑍22 + ⋯ + 𝑍𝑍𝑁𝑁2 sigue una distribución Chi-Cuadrado con parámetro 𝑁𝑁.
2
𝑌𝑌 = (𝑍𝑍12 + 𝑍𝑍22 + ⋯ + 𝑍𝑍𝑁𝑁2 )~𝜒𝜒(𝑁𝑁)

(iii) Si 𝑿𝑿𝑁𝑁×1 ~𝑁𝑁(𝝁𝝁, 𝛀𝛀) y 𝑨𝑨𝑀𝑀×𝑁𝑁 es una matriz de constantes, con 𝑀𝑀 ≤ 𝑁𝑁, entonces
𝑨𝑨𝑨𝑨~𝑁𝑁�𝑨𝑨𝝁𝝁, 𝑨𝑨𝛀𝛀𝐀𝐀ʹ �
ʹ
(iv) si 𝒀𝒀𝑁𝑁×1 ~𝑁𝑁(𝜽𝜽, 𝝍𝝍) (normal multivariada), entonces la forma cuadrática (𝒀𝒀 − 𝜽𝜽)1×𝑁𝑁 𝝍𝝍−1
𝑁𝑁×𝑁𝑁 (𝒀𝒀 −
𝜽𝜽)𝑁𝑁×1 sigue una distribución Chi-Cuadrado con parámetro 𝑁𝑁.
ʹ 2
(𝒀𝒀 − 𝜽𝜽)1×𝑁𝑁 𝝍𝝍−1
𝑁𝑁×𝑁𝑁 (𝒀𝒀 − 𝜽𝜽)𝑁𝑁×1 ~𝜒𝜒(𝑁𝑁)
(v) Si 𝑴𝑴𝑁𝑁×𝑁𝑁 es una matriz simétrica idempotente, con rango m y 𝑼𝑼𝑁𝑁×1 es un vector de variables
aleatorias normales estándar independientes, 𝑼𝑼~𝑁𝑁(𝟎𝟎, 𝑰𝑰), entonces la forma cuadrática
(𝑴𝑴𝑴𝑴)ʹ (𝑴𝑴𝑴𝑴) = 𝑼𝑼ʹ 𝑴𝑴𝑴𝑴~𝜒𝜒(𝑚𝑚)
2

(vi) Si 𝑼𝑼~𝑁𝑁(𝟎𝟎, 𝜎𝜎 2 𝑰𝑰𝑁𝑁 ) y 𝑨𝑨, 𝑩𝑩 son matrices reales simétricas, entonces las formas cuadráticas 𝑼𝑼ʹ 𝑨𝑨𝑨𝑨
y 𝑼𝑼ʹ 𝑩𝑩𝑩𝑩 son independientes si y sólo si 𝑨𝑨𝑨𝑨 = 𝟎𝟎.

(vii) Si 𝑼𝑼~𝑁𝑁(𝟎𝟎, 𝜎𝜎 2 𝑰𝑰𝑁𝑁 ), 𝑩𝑩 es una matriz real y 𝑨𝑨 es una matriz simétrica, entonces la forma lineal
𝑩𝑩𝑩𝑩 es independiente de la forma cuadrática 𝑼𝑼ʹ 𝑨𝑨𝑨𝑨 si y solo si 𝑩𝑩𝑩𝑩 = 𝟎𝟎

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

La Distribución Normal y Distribuciones Relacionadas (Cont.)


𝑌𝑌1�
2 2 𝑟𝑟1
(viii) Si 𝑌𝑌1~ 𝜒𝜒(𝑟𝑟1)
y 𝑌𝑌2~ 𝜒𝜒(𝑟𝑟2)
y 𝑌𝑌1 , 𝑌𝑌2 son independientes, entonces la razón ó ratio 𝑌𝑌2� sigue una
𝑟𝑟2
distribución 𝑭𝑭 con parámetros 𝑟𝑟1 & 𝑟𝑟2 .
𝑌𝑌1�
𝑟𝑟1
~𝐹𝐹(𝑟𝑟1 ,𝑟𝑟2 )
𝑌𝑌2�
𝑟𝑟2
Los parámetros 𝑟𝑟1 & 𝑟𝑟2 se denominan grados de libertad en el numerador y denominador
respectivamente.

2 𝑍𝑍
(ix) Si 𝑍𝑍~𝑁𝑁(0,1) y 𝑌𝑌~𝜒𝜒(𝑟𝑟) , y 𝑍𝑍, 𝑌𝑌 son independientes, entonces la razón sigue la distribución
�𝑌𝑌�𝑟𝑟

𝑡𝑡-estudiante con parámetro 𝑟𝑟.


𝑍𝑍
~𝑡𝑡(𝑟𝑟)
�𝑌𝑌�𝑟𝑟
1
(x) Si 𝑊𝑊~𝑡𝑡(𝑣𝑣) entonces 𝑊𝑊 2 ~𝐹𝐹(1,𝑣𝑣) . Alternativamente, si 𝑋𝑋~𝐹𝐹(1,𝑣𝑣) entonces 𝑋𝑋 2 ~𝑡𝑡(𝑣𝑣)

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía


2.6 Distribución Exacta del estimador de mínimos cuadrados: 𝜷𝜷
Suponga que la distribución conjunta del vector de errores 𝑼𝑼, condicional en 𝑿𝑿, es normal
multivariada. Este supuesto junto con los supuestos 𝐸𝐸 (𝑼𝑼|𝑿𝑿) = 𝟎𝟎 y 𝑉𝑉𝑉𝑉𝑉𝑉(𝑼𝑼|𝑿𝑿) = 𝜎𝜎 2 𝑰𝑰 implica que
𝑼𝑼𝑁𝑁×1 |𝑿𝑿~𝑁𝑁(𝟎𝟎𝑁𝑁×1 , 𝜎𝜎 2 𝑰𝑰𝑁𝑁 ) (2.30)
Anteriormente se ha demostrado que:
� − 𝜷𝜷�𝑿𝑿� = 𝟎𝟎 𝑦𝑦 𝑉𝑉𝑉𝑉𝑉𝑉�𝜷𝜷
𝐸𝐸�𝜷𝜷 � − 𝜷𝜷�𝑿𝑿� = 𝜎𝜎 2 (𝑿𝑿ʹ𝑿𝑿)−1
� − 𝜷𝜷)|𝑿𝑿 también será normal puesto que es lineal en 𝑼𝑼.
Dado que 𝑼𝑼|𝑿𝑿 es normal, (𝜷𝜷
Específicamente, partiendo de la relación:
� − 𝜷𝜷� = (𝑿𝑿ʹ 𝑿𝑿)−1 𝑿𝑿ʹ 𝑼𝑼 = 𝑨𝑨𝑨𝑨,
�𝜷𝜷
y utilizando el resultado (iii) de la nota anterior se puede obtener que
� − 𝜷𝜷�|𝑿𝑿~𝑁𝑁�𝟎𝟎, 𝑨𝑨𝜎𝜎 2 𝑰𝑰𝑨𝑨ʹ � = 𝑁𝑁(𝟎𝟎, 𝜎𝜎 2 (𝑿𝑿ʹ𝑿𝑿)−1 )
�𝜷𝜷
Alternativamente, se puede establecer que el supuesto de normalidad de los errores implica que,
� sigue una distribución normal multivariada:
condicional en 𝑿𝑿, el estimador de mínimos cuadrados 𝜷𝜷
� 𝐿𝐿𝐿𝐿 |𝑿𝑿~𝑁𝑁(𝜷𝜷, 𝜎𝜎 2 �𝑿𝑿ʹ 𝑿𝑿)−1 �
𝜷𝜷 (2.31)

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

2.7 Pruebas Exactas de Restricciones Lineales Sobre el Vector 𝜷𝜷 (poblacional)


2.7.1 Algunas Hipótesis Típicas
(𝐢𝐢) 𝐻𝐻0 : 𝛽𝛽ℎ = 0 ⇒ “La variable 𝑋𝑋ℎ no tiene influencia sobre 𝑌𝑌”

(𝒊𝒊𝒊𝒊) 𝐻𝐻0 : 𝛽𝛽ℎ = 𝛽𝛽0 ⇒ “El parámetro 𝛽𝛽ℎ es igual a 𝛽𝛽0 (valor específico)”

(𝒊𝒊𝒊𝒊𝒊𝒊) 𝐻𝐻0 : 𝛽𝛽ℎ + 𝛽𝛽𝑗𝑗 + 𝛽𝛽𝑘𝑘 = 1 ⇒ “La suma de los parámetros 𝛽𝛽ℎ , 𝛽𝛽𝑗𝑗 , 𝛽𝛽𝑘𝑘 es igual a la unidad”
(Restricción de homogeneidad)
(𝒊𝒊𝒊𝒊) 𝐻𝐻0 : 𝛽𝛽ℎ = 𝛽𝛽𝑘𝑘 ⇒ “Las variables 𝑋𝑋ℎ 𝑦𝑦 𝑋𝑋𝑘𝑘 tienen la misma influencia sobre 𝑌𝑌”

(𝒗𝒗) 𝐻𝐻0 : 𝛽𝛽2 = 0, 𝛽𝛽3 = 0, … , 𝛽𝛽𝐾𝐾 = 0 ⇒ “Ninguna de las variables explicativas influye sobre 𝑌𝑌” ó
“Todos los coeficientes de pendiente son iguales a cero”

(𝒗𝒗𝒗𝒗) 𝐻𝐻0 : 𝛽𝛽𝐾𝐾1 = 0, 𝛽𝛽𝐾𝐾1 +1 = 0, 𝛽𝛽𝐾𝐾1 +2 = 0, … , 𝛽𝛽𝐾𝐾 = 0 ⇒ “Un subconjunto específico de variables
explicativas no tiene influencia sobre 𝑌𝑌”

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

2.7.2 Formulación Matricial General de Restricciones Lineales


Todas las hipótesis anteriores pueden formularse como:
𝑹𝑹𝐽𝐽×𝐾𝐾 𝜷𝜷𝐾𝐾×1 = 𝒓𝒓𝐽𝐽×1 (2.32)
𝑹𝑹: Matriz de constantes conocidas (generalmente ceros ó unos – “matriz selectora” – con 𝐽𝐽 < 𝐾𝐾)
𝜷𝜷: Vector de parámetros poblacionales
𝒓𝒓: Vector de constantes conocidas (generalmente valores postulados para las hipótesis)
La formulación matricial específica de las hipótesis dadas en 2.7.1 es:

(𝒊𝒊) “𝑳𝑳𝑳𝑳 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 𝑋𝑋ℎ 𝒏𝒏𝒏𝒏 𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊 𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔 𝑌𝑌”


𝛽𝛽1
⎡ ⋮ ⎤
⎢ ⎥
𝛽𝛽ℎ−1
⎢ ⎥
[0 … 0 1 0 … 0] ⎢ 𝛽𝛽ℎ ⎥ = [0] ⟹ 𝛽𝛽ℎ = 0
⎢𝛽𝛽ℎ+1 ⎥
⎢ ⋮ ⎥
⎣ 𝛽𝛽𝐾𝐾 ⎦
𝑹𝑹1×𝐾𝐾 𝜷𝜷𝐾𝐾×1 = 𝒓𝒓1×1 ; 𝐽𝐽 = 1

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

(𝒊𝒊𝒊𝒊) “𝑬𝑬𝑬𝑬 𝒑𝒑𝒑𝒑𝒑𝒑á𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎 𝛽𝛽ℎ 𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝒆𝒆𝒆𝒆 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆í𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇 𝛽𝛽0 ”


𝛽𝛽1
⎡ ⋮ ⎤
⎢ ⎥
𝛽𝛽ℎ−1
⎢ ⎥
[0 … 0 1 0 … 0] ⎢ 𝛽𝛽ℎ ⎥ = [𝛽𝛽0 ] ⟹ 𝛽𝛽ℎ = 𝛽𝛽0
⎢𝛽𝛽ℎ+1 ⎥
⎢ ⋮ ⎥
⎣ 𝛽𝛽𝐾𝐾 ⎦
𝑹𝑹1×𝐾𝐾 𝜷𝜷𝐾𝐾×1 = 𝒓𝒓1×1 ; 𝐽𝐽 = 1

(𝒊𝒊𝒊𝒊𝒊𝒊)“𝑳𝑳𝑳𝑳 𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍𝒍𝒍 𝒑𝒑𝒑𝒑𝒑𝒑á𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎 𝛽𝛽ℎ , 𝛽𝛽𝑗𝑗 , 𝛽𝛽𝑘𝑘 𝒆𝒆𝒆𝒆 𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊 𝒂𝒂 𝒍𝒍𝒍𝒍 𝒖𝒖𝒖𝒖𝒖𝒖𝒖𝒖𝒖𝒖𝒖𝒖”
𝛽𝛽1
⎡ ⋮ ⎤
⎢ ⎥
𝛽𝛽ℎ−1
⎢ ⎥
𝛽𝛽ℎ
[ 0 … 0 1 1 1 0 … 0] ⎢ ⎥ = [1] ⟹ 𝛽𝛽ℎ + 𝛽𝛽𝑗𝑗 + 𝛽𝛽𝑘𝑘 = 1
𝛽𝛽
⎢ 𝑗𝑗 ⎥
⎢ 𝛽𝛽𝑘𝑘 ⎥
⎢ ⋮ ⎥
⎣ 𝛽𝛽𝐾𝐾 ⎦
𝑹𝑹1×𝐾𝐾 𝜷𝜷𝐾𝐾×1 = 𝒓𝒓1×1 ; 𝐽𝐽 = 1
Econometría 1 Programa de Maestría en Economía
Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

NOTA: Los parámetros involucrados en la hipótesis anterior no necesariamente deben ser


consecutivos. Por ejemplo, en el caso 𝜷𝜷4×1 se puede postular la hipótesis 𝛽𝛽2 + 𝛽𝛽4 = 1. En este
caso,
𝛽𝛽1
𝛽𝛽
[0 1 0 1] � 2 � = [1] ⟹ 𝛽𝛽2 + 𝛽𝛽4 = 1
𝛽𝛽3
𝛽𝛽4
𝑹𝑹1×4 𝜷𝜷4×1 = 𝒓𝒓1×1 ; 𝐽𝐽 = 1

(𝒊𝒊𝒊𝒊)“𝑳𝑳𝑳𝑳𝑳𝑳 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 𝑋𝑋ℎ 𝒚𝒚 𝑋𝑋𝑘𝑘 𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝒍𝒍𝒍𝒍 𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎𝒎 𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊 𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔 𝑌𝑌”
𝛽𝛽1
⎡ ⋮ ⎤
⎢ ⎥
𝛽𝛽ℎ−1
⎢ ⎥
𝛽𝛽
[0 … 0 1 − 1 0 … 0] ⎢ ℎ ⎥ = [0] ⟹ 𝛽𝛽ℎ − 𝛽𝛽𝑘𝑘 = 0 ⇒ 𝛽𝛽ℎ = 𝛽𝛽𝑘𝑘
⎢ 𝛽𝛽𝑘𝑘 ⎥
⎢𝛽𝛽𝑘𝑘+1 ⎥
⎢ ⋮ ⎥
⎣ 𝛽𝛽𝐾𝐾 ⎦
𝑹𝑹1×𝐾𝐾 𝜷𝜷𝐾𝐾×1 = 𝒓𝒓1×1 ; 𝐽𝐽 = 1

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

(𝒗𝒗) “𝑵𝑵𝑵𝑵𝑵𝑵𝑵𝑵𝑵𝑵𝑵𝑵𝑵𝑵 𝒅𝒅𝒅𝒅 𝒍𝒍𝒍𝒍𝒍𝒍 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆 𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊 𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔 𝑌𝑌”


0 1 0 0 0 … 0 𝛽𝛽1
⎡0 0 ⎤ ⎡ ⎤ 0 𝛽𝛽2 0
1 0 0 … 0⎥ 𝛽𝛽2
⎢ ⎢ ⎥ 𝛽𝛽
⎢0 0 0 1 0 … 0⎥ ⎢ 𝛽𝛽3 ⎥ = �0� ⟹ � 3 � = �0�
⋮ ⋮ ⋮
⎢ . . . . . … . ⎥
⎢ ⋮ ⎥ 0 𝒓𝒓(𝐾𝐾−1)×1 𝛽𝛽𝐾𝐾 0
⎣0 0 0 0 0 … 1⎦𝑹𝑹(𝐾𝐾−1)×𝐾𝐾 ⎣𝛽𝛽𝐾𝐾 ⎦𝜷𝜷𝐾𝐾×1

𝑹𝑹 = [𝟎𝟎(𝐾𝐾−1)×1 ⋮ 𝑰𝑰𝐾𝐾−1 ]. En este caso 𝐽𝐽 = 𝐾𝐾 − 1 (Número de restricciones)

(𝒗𝒗𝒗𝒗) “𝑳𝑳𝑳𝑳𝑳𝑳 𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗𝒗 𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆 𝑋𝑋𝐾𝐾1 +1 , 𝑋𝑋𝐾𝐾1 +2 , ⋯ , 𝑋𝑋𝐾𝐾 𝒏𝒏𝒏𝒏 𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊𝒊 𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔𝒔 𝑌𝑌”
𝛽𝛽1
⎡ ⋮ ⎤
⎢ β ⎥ 0 𝛽𝛽𝐾𝐾 +1 0
0 ⋯ 01 0 0 ⎡ 1 ⎤
⎢ 𝐾𝐾1 ⎥ 0 𝛽𝛽
�⋮ ⋱ ⋮ ⋮ ⋱ ⋮� ⎢β𝐾𝐾 +1 ⎥ =� � ⟹ ⎢ 𝐾𝐾1 +2 ⎥ = �0�
⋮ ⎢ ⋮ ⎥ ⋮
0 ⋯ 00 0 1 𝑹𝑹𝐾𝐾2×𝐾𝐾 ⎢ 1 ⎥ 0
⎢ ⋮ ⎥ 0 𝒓𝒓𝐾𝐾2×1 ⎣ 𝛽𝛽𝐾𝐾 ⎦
⎣ β𝐾𝐾 ⎦𝜷𝜷
𝐾𝐾×1

𝑹𝑹 = [𝟎𝟎𝐾𝐾2 ×𝐾𝐾1 ⋮ 𝑰𝑰𝐾𝐾2 ]; 𝐽𝐽 = 𝐾𝐾2 (Número de restricciones)

NOTA: Debe recalcarse que las hipótesis son sobre los parámetros poblacionales desconocidos 𝜷𝜷
Econometría 1 Programa de Maestría en Economía
Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

2.7.3 Prueba de la Hipótesis 𝑹𝑹𝑹𝑹 = 𝒓𝒓


Sabemos que
� |𝑿𝑿~𝑁𝑁(𝜷𝜷, 𝜎𝜎 2 (𝑿𝑿ʹ𝑿𝑿)−1 )
𝜷𝜷

Utilizando el resultado (iii) de la nota anterior:


� (𝐾𝐾×1) |𝑿𝑿~𝑁𝑁(𝑹𝑹𝑹𝑹, 𝑹𝑹𝜎𝜎 2 (𝑿𝑿ʹ 𝑿𝑿)−𝟏𝟏 𝑹𝑹ʹ )
𝑹𝑹𝐽𝐽×𝐾𝐾 𝜷𝜷

Utilizando el resultado (iv) de la nota anterior:


� − 𝑹𝑹𝑹𝑹�′ [𝑹𝑹𝜎𝜎 2 (𝑿𝑿ʹ 𝑿𝑿)−𝟏𝟏 𝑹𝑹′ ]−1 �𝑹𝑹𝜷𝜷
�𝑹𝑹𝜷𝜷 � − 𝑹𝑹𝑹𝑹� ~ 𝜒𝜒(𝐽𝐽)
2
(2.33)
Si 𝜎𝜎 2 fuese conocido, la expresión anterior sería la estadística de prueba buscada. Bajo la hipótesis
nula 𝐻𝐻0 : 𝑹𝑹𝑹𝑹 = 𝒓𝒓 la estadística de prueba sería:
� − 𝒓𝒓�′ [𝑹𝑹𝜎𝜎 2 (𝑿𝑿ʹ 𝑿𝑿)−𝟏𝟏 𝑹𝑹ʹ ]−1 �𝑹𝑹𝜷𝜷
�𝑹𝑹𝜷𝜷 � − 𝒓𝒓� ~ 𝜒𝜒(𝐽𝐽)
2
(2.34)

Sin embargo, dado que 𝜎𝜎 2 no es conocido en la práctica, es necesario llegar a una formulación de la
prueba que no dependa de este parámetro.

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

� ʹ 𝑼𝑼
Consideremos la suma residual de cuadrados (RSS): 𝑼𝑼 �

Sabemos que:
� ʹ 𝑼𝑼
𝑼𝑼 � = 𝑼𝑼ʹ 𝑴𝑴𝑴𝑴, donde 𝑴𝑴 es idempotente y simétrica

Dado que 𝑼𝑼|𝑿𝑿~𝑁𝑁(𝟎𝟎, 𝜎𝜎 2 𝑰𝑰)


1
𝑼𝑼|𝑿𝑿 ~ 𝑁𝑁(𝟎𝟎, 𝑰𝑰)
𝜎𝜎
Utilizando el resultado (v) de la nota anterior
𝑼𝑼 ′ 𝑼𝑼 2
� � 𝑴𝑴 � � ~ 𝜒𝜒[𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝑀𝑀)]
𝜎𝜎 𝜎𝜎
𝑼𝑼ʹ𝑴𝑴𝑴𝑴 2
⇒ ~ 𝜒𝜒(𝑁𝑁−𝐾𝐾)
𝜎𝜎 2
� ʹ𝑼𝑼
𝑼𝑼 �
2
2
~𝜒𝜒(𝑁𝑁−𝐾𝐾) (2.35)
𝜎𝜎
� − 𝑹𝑹𝑹𝑹 = 𝑹𝑹�𝜷𝜷
Dado que 𝑹𝑹𝜷𝜷 � − 𝜷𝜷� = 𝑹𝑹(𝑿𝑿ʹ𝑿𝑿)−𝟏𝟏 𝑿𝑿ʹ𝑼𝑼 la forma cuadrática (2.33) se puede expresar
como:
𝑼𝑼ʹ ʹ −𝟏𝟏 ʹ ʹ −𝟏𝟏 ʹ −𝟏𝟏 ʹ
𝑼𝑼
�𝑿𝑿(𝑿𝑿 𝑿𝑿) 𝑹𝑹 [𝑹𝑹(𝑿𝑿 𝑿𝑿) 𝑹𝑹ʹ]𝑹𝑹(𝑿𝑿 𝑿𝑿) 𝑿𝑿 �
𝜎𝜎 ��������������������������� 𝜎𝜎
𝑩𝑩𝑁𝑁×𝑁𝑁

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

Utilizando el resultado (vi) de la nota anterior se puede concluir que las formas cuadráticas
𝑼𝑼 ′ 𝑼𝑼 𝑼𝑼 ′ 𝑼𝑼
� � 𝑴𝑴 � � 𝑦𝑦 � � 𝑩𝑩 � � son independientes puesto que 𝑴𝑴𝑴𝑴 = 𝟎𝟎.
𝜎𝜎 𝜎𝜎 𝜎𝜎 𝜎𝜎

Por tanto, la razón o ratio:


� − 𝑹𝑹𝑹𝑹�′ [𝑹𝑹𝜎𝜎 2 (𝑿𝑿ʹ 𝑿𝑿)−𝟏𝟏 𝑹𝑹ʹ]−1 �𝑹𝑹𝜷𝜷
�𝑹𝑹𝜷𝜷 � − 𝑹𝑹𝑹𝑹�

𝐽𝐽
~ 𝐹𝐹(𝐽𝐽,𝑁𝑁−𝐾𝐾)
� ʹ𝑼𝑼
𝑼𝑼 �
𝜎𝜎 2�
(𝑁𝑁 − 𝐾𝐾)
� ʹ𝑼𝑼
𝑼𝑼 �
Bajo la hipótesis nula 𝑹𝑹𝑹𝑹 = 𝒓𝒓, eliminando 𝜎𝜎 2 y haciendo = 𝜎𝜎� 2 , se puede obtener finalmente:
𝑁𝑁−𝐾𝐾

� − 𝒓𝒓�′ [𝑹𝑹𝜎𝜎� 2 (𝑿𝑿ʹ 𝑿𝑿)−𝟏𝟏 𝑹𝑹ʹ]−1 �𝑹𝑹𝜷𝜷


�𝑹𝑹𝜷𝜷 � − 𝒓𝒓�
� ~ 𝐹𝐹(𝐽𝐽,𝑁𝑁−𝐾𝐾) (2.36)
𝐽𝐽

� : 𝑉𝑉𝑉𝑉𝑉𝑉
NOTA: 𝜎𝜎� 2 (𝑿𝑿ʹ 𝑿𝑿)−𝟏𝟏 es la Varianza Estimada de 𝜷𝜷 � �𝜷𝜷 ��

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

2.7.4 Formas Específicas de la Prueba 𝑭𝑭


Caso (𝒊𝒊) 𝐻𝐻0 : 𝛽𝛽ℎ = 0 ⇒ “La variable 𝑋𝑋ℎ no tiene influencia sobre 𝑌𝑌”
� − 𝒓𝒓� = (𝛽𝛽̂ℎ − 0) = 𝛽𝛽̂ℎ
�𝑹𝑹𝜷𝜷

� �𝜷𝜷
𝑹𝑹𝜎𝜎� 2 (𝑿𝑿′ 𝑿𝑿)−1 𝑹𝑹′ = 𝑹𝑹1×𝐾𝐾 [𝑉𝑉𝑉𝑉𝑉𝑉 � �]𝐾𝐾×𝐾𝐾 𝑹𝑹𝐾𝐾×1
′ � �𝜷𝜷
= {𝑉𝑉𝑉𝑉𝑉𝑉 � �}ℎℎ = 𝑉𝑉𝑉𝑉𝑉𝑉
� �𝛽𝛽̂ℎ �

� �𝛽𝛽̂ℎ ��−1 𝛽𝛽̂ℎ


𝛽𝛽̂ℎ �𝑉𝑉𝑉𝑉𝑉𝑉
𝐹𝐹� = ~𝐹𝐹(1,𝑁𝑁−𝐾𝐾)
1
2
𝛽𝛽̂ℎ
𝐹𝐹� = ~𝐹𝐹(1,𝑁𝑁−𝐾𝐾)
� ̂
𝑉𝑉𝑉𝑉𝑉𝑉�𝛽𝛽ℎ �

Utilizando el resultado (ix) de la nota anterior se obtiene el conocido “ratio-𝑡𝑡”:


𝛽𝛽̂ℎ
~𝑡𝑡(𝑁𝑁−𝐾𝐾)
� �𝛽𝛽̂ℎ �
�𝑉𝑉𝑉𝑉𝑉𝑉

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

Caso (𝒊𝒊𝒊𝒊) 𝐻𝐻0 : 𝛽𝛽ℎ = 𝛽𝛽0 ⇒ “El parámetro 𝛽𝛽ℎ toma el valor específico 𝛽𝛽0 ”

� − 𝒓𝒓� = (𝛽𝛽̂ℎ − 𝛽𝛽0 )


�𝑹𝑹𝜷𝜷

� (𝛽𝛽̂ℎ )
𝑹𝑹𝜎𝜎� 2 (𝑿𝑿′ 𝑿𝑿)−𝟏𝟏 𝑹𝑹′ = 𝑉𝑉𝑉𝑉𝑉𝑉

(𝛽𝛽̂ℎ − 𝛽𝛽0 )2
⇒ 𝐹𝐹� = ~ 𝐹𝐹(1,𝑁𝑁−𝐾𝐾)
� (𝛽𝛽̂ℎ )
𝑉𝑉𝑉𝑉𝑉𝑉

La raíz cuadrada de la expresión anterior seguirá una distribución 𝑡𝑡-estudiante:

(𝛽𝛽̂ℎ − 𝛽𝛽0 )
~ 𝑡𝑡(𝑁𝑁−𝐾𝐾)
� (𝛽𝛽̂ℎ )
�𝑉𝑉𝑉𝑉𝑉𝑉

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

Caso (𝒊𝒊𝒊𝒊𝒊𝒊) 𝐻𝐻0 : 𝛽𝛽ℎ + 𝛽𝛽𝑗𝑗 + 𝛽𝛽𝑘𝑘 = 1 ⇒ “La suma de los parámetros 𝛽𝛽ℎ , 𝛽𝛽𝑗𝑗 , 𝛽𝛽𝑘𝑘 es igual a la unidad”

Suponga el caso 𝐾𝐾 = 5, 𝐻𝐻0 : 𝛽𝛽2 + 𝛽𝛽3 + 𝛽𝛽4 = 1 y sea 𝑣𝑣𝑖𝑖𝑖𝑖 un elemento típico de 𝜎𝜎� 2 (𝑿𝑿′ 𝑿𝑿)−1
� − 𝒓𝒓� = (𝛽𝛽̂2 + 𝛽𝛽̂3 + 𝛽𝛽̂4 − 1)
�𝑹𝑹𝜷𝜷
𝑣𝑣11 𝑣𝑣12 𝑣𝑣13 𝑣𝑣14 𝑣𝑣15 0
⎡𝑣𝑣21 𝑣𝑣22 𝑣𝑣23 𝑣𝑣24 𝑣𝑣25 ⎤ ⎡1⎤
𝑹𝑹𝜎𝜎� 2 (𝑿𝑿′ 𝑿𝑿)−𝟏𝟏 𝑹𝑹′ = [0 1 1 1

0] ⎢𝑣𝑣31 𝑣𝑣32 𝑣𝑣33 𝑣𝑣34 𝑣𝑣35 ⎥⎥ ⎢⎢1⎥⎥
⎢ 𝑣𝑣41 𝑣𝑣42 𝑣𝑣43 𝑣𝑣44 𝑣𝑣45 ⎥ ⎢1⎥
⎣𝑣𝑣51 𝑣𝑣52 𝑣𝑣53 𝑣𝑣54 𝑣𝑣55 ⎦ ⎣0⎦
0
⎡1⎤
= [𝑣𝑣21 + 𝑣𝑣31 + 𝑣𝑣41 𝑣𝑣22 + 𝑣𝑣32 + 𝑣𝑣42 𝑣𝑣23 + 𝑣𝑣33 + 𝑣𝑣43 𝑣𝑣24 + 𝑣𝑣34 + 𝑣𝑣44 𝑣𝑣25 + 𝑣𝑣35 + 𝑣𝑣45 ] ⎢⎢1⎥⎥
⎢1⎥
⎣0⎦
= 𝑣𝑣22 + 𝑣𝑣32 + 𝑣𝑣42 + 𝑣𝑣23 + 𝑣𝑣33 + 𝑣𝑣43 + 𝑣𝑣24 + 𝑣𝑣34 + 𝑣𝑣44
� (𝛽𝛽̂2 + 𝛽𝛽̂3 + 𝛽𝛽̂4 )
= 𝑣𝑣22 + 𝑣𝑣33 + 𝑣𝑣44 + 2𝑣𝑣23 + 2𝑣𝑣24 + 2𝑣𝑣34 = 𝑉𝑉𝑉𝑉𝑉𝑉

�2 +𝛽𝛽
(𝛽𝛽 �3 +𝛽𝛽
�4 −1)2 �2 +𝛽𝛽
(𝛽𝛽 �3 +𝛽𝛽
�4 −1)
⟹ � (𝛽𝛽
𝑉𝑉𝑉𝑉𝑉𝑉 �2 +𝛽𝛽 �4 ) ~𝐹𝐹1,𝑁𝑁−𝐾𝐾 .
�3 +𝛽𝛽 Alternativamente, ~𝑡𝑡(𝑁𝑁−𝐾𝐾)
� (𝛽𝛽
�𝑉𝑉𝑉𝑉𝑉𝑉 �3 +𝛽𝛽
�2 +𝛽𝛽 �4 )

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

Caso (𝒊𝒊𝒊𝒊) 𝐻𝐻0 : 𝛽𝛽ℎ = 𝛽𝛽𝑘𝑘 ⇒ “Las variables 𝑋𝑋ℎ 𝑦𝑦 𝑋𝑋𝑘𝑘 tienen la misma influencia sobre 𝑌𝑌”
Considere el caso anterior con la hipótesis nula 𝐻𝐻0 : 𝛽𝛽3 = 𝛽𝛽4
� − 𝒓𝒓� = (𝛽𝛽̂3 − 𝛽𝛽̂4 − 0) = (𝛽𝛽̂3 − 𝛽𝛽̂4 )
�𝑹𝑹𝜷𝜷
𝑣𝑣11 𝑣𝑣12 𝑣𝑣13 𝑣𝑣15 0
𝑣𝑣14
⎡𝑣𝑣21 𝑣𝑣22 𝑣𝑣23 𝑣𝑣25 ⎤ ⎡ 0 ⎤
𝑣𝑣24
𝑹𝑹𝜎𝜎� 2 (𝑿𝑿′ 𝑿𝑿)−1 𝑹𝑹′ = [0 0 1 −1

0] ⎢𝑣𝑣31 𝑣𝑣32 𝑣𝑣33 𝑣𝑣35 ⎥⎥ ⎢⎢ 1 ⎥⎥
𝑣𝑣34
⎢ 𝑣𝑣41 𝑣𝑣42 𝑣𝑣43 𝑣𝑣44
𝑣𝑣45 ⎥ ⎢−1⎥
⎣𝑣𝑣51 𝑣𝑣52 𝑣𝑣53 𝑣𝑣54
𝑣𝑣55 ⎦ ⎣ 0 ⎦

= 𝑣𝑣33 − 𝑣𝑣43 − 𝑣𝑣34 + 𝑣𝑣44 = 𝑣𝑣33 + 𝑣𝑣44 − 2𝑣𝑣34 � �𝛽𝛽̂3 � + 𝑉𝑉𝑉𝑉𝑉𝑉


= 𝑉𝑉𝑉𝑉𝑉𝑉 � �𝛽𝛽̂4 � − 2𝐶𝐶𝐶𝐶𝐶𝐶
� (𝛽𝛽̂3 , 𝛽𝛽̂4 )
� (𝛽𝛽̂3 − 𝛽𝛽̂4 )
⇒ 𝑹𝑹𝜎𝜎� 2 (𝑿𝑿′ 𝑿𝑿)−1 𝑹𝑹′ = 𝑉𝑉𝑉𝑉𝑉𝑉

Con los resultados anteriores se puede implementar las pruebas 𝐹𝐹 y 𝑡𝑡 tal como se indica:
(𝛽𝛽̂3 − 𝛽𝛽̂4 )2
~𝐹𝐹
� (𝛽𝛽̂3 − 𝛽𝛽̂4 ) (1,𝑁𝑁−𝐾𝐾)
𝑉𝑉𝑉𝑉𝑉𝑉
(𝛽𝛽̂3 − 𝛽𝛽̂4 )
~𝑡𝑡(𝑁𝑁−𝐾𝐾)
� (𝛽𝛽̂3 − 𝛽𝛽̂4 )
�𝑉𝑉𝑉𝑉𝑉𝑉

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

NOTA: INVERSA DE UNA MATRIZ PARTICIONADA


Considere la siguiente partición de la matriz 𝑨𝑨:
𝑩𝑩 ⋮ 𝑪𝑪
𝑨𝑨 = � �
𝑫𝑫 ⋮ 𝑬𝑬
Donde 𝑩𝑩 y 𝑬𝑬 son matrices cuadradas y no singulares. Entonces,

−𝟏𝟏 𝑭𝑭 −𝑭𝑭𝑭𝑭𝑬𝑬−𝟏𝟏
𝑨𝑨 =� �
(−𝑬𝑬−𝟏𝟏 𝑫𝑫𝑫𝑫) (𝑬𝑬−𝟏𝟏 + 𝑬𝑬−𝟏𝟏 𝑫𝑫𝑫𝑫𝑫𝑫𝑬𝑬−𝟏𝟏 )
Donde 𝑭𝑭 = [𝑩𝑩 − 𝑪𝑪𝑬𝑬−𝟏𝟏 𝑫𝑫]−𝟏𝟏

Alternativamente,

−𝟏𝟏 (𝑩𝑩−𝟏𝟏 + 𝑩𝑩−𝟏𝟏 𝑪𝑪𝑪𝑪𝑪𝑪𝑩𝑩−𝟏𝟏 ) (−𝑩𝑩−𝟏𝟏 𝑪𝑪𝑪𝑪)


𝑨𝑨 =� �
−𝑮𝑮𝑮𝑮𝑩𝑩−𝟏𝟏 𝑮𝑮
Donde 𝑮𝑮 = [𝑬𝑬 − 𝑫𝑫𝑫𝑫−𝟏𝟏 𝑪𝑪]−𝟏𝟏 (∗∗)

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

Caso (𝒗𝒗) 𝐻𝐻0 : 𝛽𝛽2 = 0, 𝛽𝛽3 = 0, … , 𝛽𝛽𝐾𝐾 = 0 ⇒ “Ninguna de las variables explicativas influye sobre 𝑌𝑌” ó
“Todas las pendientes son iguales a cero”.
La prueba 𝐹𝐹 de la ecuación (2.36) se puede reescribir como:
� − 𝒓𝒓�′ [𝑹𝑹(𝑿𝑿′ 𝑿𝑿)−𝟏𝟏 𝑹𝑹′ ]−𝟏𝟏 �𝑹𝑹𝜷𝜷
�𝑹𝑹𝜷𝜷 � − 𝒓𝒓�

𝐽𝐽
~𝐹𝐹(𝐽𝐽,𝑁𝑁−𝐾𝐾)
� ′𝑼𝑼
𝑼𝑼 ��
𝑁𝑁 − 𝐾𝐾
Considere la siguiente partición de la matriz de datos 𝑿𝑿:
𝑿𝑿 = [𝒊𝒊𝑁𝑁×1 ⋮ 𝑿𝑿𝟐𝟐 𝑁𝑁×(𝐾𝐾−1) ]

𝒊𝒊′ 𝒊𝒊′ 𝒊𝒊1×1 ⋮ 𝒊𝒊′𝑿𝑿𝟐𝟐1𝑋𝑋(𝐾𝐾−1)



𝑿𝑿 𝑿𝑿 = � � [𝒊𝒊 𝑿𝑿𝟐𝟐 ] = � �
𝑿𝑿2 ′ 𝑿𝑿𝟐𝟐 ′𝒊𝒊(𝐾𝐾−1)×1 ⋮ 𝑿𝑿𝟐𝟐 ′𝑿𝑿𝟐𝟐 (𝐾𝐾−1)×(𝐾𝐾−1)
𝒃𝒃 𝒄𝒄
Sea (𝑿𝑿′ 𝑿𝑿)−1 = � �
𝒅𝒅 𝒆𝒆
Donde 𝑹𝑹(𝑿𝑿′ 𝑿𝑿)−𝟏𝟏 𝑹𝑹′ = 𝒆𝒆, puesto que pre y post multiplicación de (𝑿𝑿′ 𝑿𝑿)−𝟏𝟏 por 𝑹𝑹 y 𝑹𝑹′
respectivamente selecciona la partición inferior derecha de de la matriz inversa (𝑿𝑿′ 𝑿𝑿)−𝟏𝟏 .
Como se vio anteriormente, la matriz 𝑹𝑹 = [𝟎𝟎(𝐾𝐾−1)×1 ⋮ 𝑰𝑰𝐾𝐾−1 ].
Utilizando el resultado (**) de la nota sobre inversa de una matriz particionada se puede obtener:

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

𝑒𝑒 = [𝑿𝑿′𝟐𝟐 𝑿𝑿𝟐𝟐 − 𝑿𝑿𝟐𝟐 ′𝒊𝒊(𝒊𝒊′ 𝒊𝒊)−𝟏𝟏 𝒊𝒊′ 𝑿𝑿𝟐𝟐 ]−𝟏𝟏 = [𝑿𝑿′𝟐𝟐 (𝑰𝑰 − 𝒊𝒊(𝒊𝒊′ 𝒊𝒊)−𝟏𝟏 𝒊𝒊′ )𝑿𝑿𝟐𝟐 ]−𝟏𝟏
= [𝑿𝑿′𝟐𝟐 𝑴𝑴𝒊𝒊 𝑿𝑿𝟐𝟐 ]−𝟏𝟏 , donde 𝑴𝑴𝒊𝒊 = [𝑰𝑰 − 𝒊𝒊(𝒊𝒊′ 𝒊𝒊)−𝟏𝟏 𝒊𝒊′ )] es una matriz aniquiladora

⟹ 𝑹𝑹(𝑿𝑿′ 𝑿𝑿)−𝟏𝟏 𝑹𝑹′ = �𝑿𝑿 � 𝟐𝟐 �−𝟏𝟏 ; 𝑿𝑿


� 𝟐𝟐 ′𝑿𝑿 � 𝟐𝟐 = 𝑴𝑴𝒊𝒊 𝑿𝑿𝟐𝟐
� 𝟐𝟐 ′𝑿𝑿
⟹ [𝑹𝑹(𝑿𝑿′ 𝑿𝑿)−𝟏𝟏 𝑹𝑹′ ]−𝟏𝟏 = (𝑿𝑿 � 𝟐𝟐 )
� − 𝒓𝒓) = 𝜷𝜷
Por otra parte (𝑹𝑹𝜷𝜷 � 𝟐𝟐 . Entonces los componentes de la prueba 𝐹𝐹� serán:

� 𝟐𝟐 ′ �𝑿𝑿
𝜷𝜷 � 𝟐𝟐 ′𝑿𝑿 � 𝟐𝟐
� 𝟐𝟐 �𝜷𝜷
⟹ 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛: = 𝐸𝐸𝐸𝐸𝐸𝐸/(𝐾𝐾 − 1)
𝐾𝐾 − 1
(ver sección 2.5.2)
� ′ 𝑼𝑼
𝑼𝑼 �
⟹ 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑: = 𝑅𝑅𝑅𝑅𝑅𝑅/(𝑁𝑁 − 𝐾𝐾)
𝑁𝑁 − 𝐾𝐾
𝐸𝐸𝐸𝐸𝐸𝐸/(𝐾𝐾 − 1)
~𝐹𝐹 (2.37)
𝑅𝑅𝑅𝑅𝑅𝑅/(𝑁𝑁 − 𝐾𝐾) (𝐾𝐾−1,𝑁𝑁−𝐾𝐾)
Dado que por definición 𝑇𝑇𝑇𝑇𝑇𝑇 = 𝐸𝐸𝐸𝐸𝐸𝐸 + 𝑅𝑅𝑅𝑅𝑅𝑅, la ecuación (2.37) se puede reescribir como:
(𝑇𝑇𝑇𝑇𝑇𝑇 − 𝑅𝑅𝑅𝑅𝑅𝑅)/(𝐾𝐾 − 1)
~𝐹𝐹(𝐾𝐾−1,𝑁𝑁−𝐾𝐾) (2.38)
𝑅𝑅𝑅𝑅𝑅𝑅/(𝑁𝑁 − 𝐾𝐾)

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño
Centro de Investigación y Docencia Económicas, A.C.
División de Economía

Nótese que 𝑻𝑻𝑻𝑻𝑻𝑻 se puede interpretar como la suma residual de cuadrados de la regresión de 𝒀𝒀 en
una constante solamente – es decir de la regresión restricta (con pendientes iguales a cero) –
mientras que 𝑹𝑹𝑺𝑺𝑺𝑺 es la suma residual de cuadrados de la regresión de 𝒀𝒀 en una constante y todas
las variables explicativas del modelo – es decir, de la regresión irrestricta.
El resultado anterior se puede generalizar al caso donde la matriz de datos es particionada como:
𝑿𝑿 = [𝑿𝑿𝟏𝟏 (𝑁𝑁×𝐾𝐾1 ) ⋮ 𝑿𝑿𝟐𝟐 (𝑁𝑁×𝐾𝐾2 ) ]
Donde 𝐾𝐾1 + 𝐾𝐾2 = 𝐾𝐾, y se desea evaluar la influencia de un sub-conjunto específico de variables, tal
como corresponde al caso (vi).
Caso(𝒗𝒗𝒗𝒗) 𝐻𝐻0 : 𝜷𝜷𝟐𝟐 = 𝟎𝟎 ⇒ “El sub-conjunto de variables 𝑿𝑿𝟐𝟐 no tiene influencia sobre 𝒀𝒀”.
En este caso, se puede obtener la siguiente expresión para la prueba 𝐹𝐹:
(𝑅𝑅𝑅𝑅𝑅𝑅𝑅𝑅 − 𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈)/(𝐾𝐾2 )
~𝐹𝐹(𝐾𝐾2 ,𝑁𝑁−𝐾𝐾) (2.39)
𝑈𝑈𝑈𝑈𝑈𝑈𝑈𝑈/(𝑁𝑁 − 𝐾𝐾)
Donde,
𝑹𝑹𝑹𝑹𝑹𝑹𝑹𝑹: Suma residual de cuadrados de la regresión de 𝒀𝒀 en 𝑿𝑿𝟏𝟏 solamente –regresión restricta–
𝑼𝑼𝑼𝑼𝑼𝑼𝑼𝑼: Suma residual de cuadrados de la regresión de 𝒀𝒀 en 𝑿𝑿𝟏𝟏 y 𝑿𝑿𝟐𝟐 –regresión irrestricta
Una formulación similar aplica para el contraste de hipótesis sobre 𝐽𝐽 restricciones lineales.

Econometría 1 Programa de Maestría en Economía


Prof. Rodolfo Cermeño