Académique Documents
Professionnel Documents
Culture Documents
CAPTULO 2
MODELO DE REGRESIN DE DOS
VARIABLES
20 de enero de 2015
CONTENIDO
Segn la teora:
Y f (X ) Y
0 1
X
,
Por simplicidad asumamos que:
Y 1 2 X 0 2 1
Si se tiene el siguiente par de observaciones:
Yi Xi i 1,2,3,..., m
Entonces, se tendra la siguiente relacin exacta o determinstica:
Yi 1 2 X i 0 2 1
ESPECIFICACION DEL MODELO MATEMTICO DE LA TEORIA
Del modelo econmico al modelo econmetrico
Yi 1 2 X i
ESPECIFICACION DEL MODELO ECONOMTRICO
Modelo economtrico
Yi 1 2 X i i 0 2 1
,
i Es una variable aleatoria (estocstica) con las siguientes propiedades:
E ( i / X i ) 0 Media
E ( i j / X i , X j ) 0 Covarianza
E(i2 / X i ) 2 Varianza
i ~ NID(0, 2 ) Distribucin normal e independiente
Xi Son fijas !!
ESPECIFICACIN DEL MODELO ECONOMTRICO
Propiedades de la variable aleatoria
E (Yi ) 1 2 X i
ESPECIFICACIN DEL MODELO ECONOMTRICO
Funcin de regresin poblacional
Puesto que:
E ( i / X i ) 0
Xi Es fija en cada muestreo
ESPECIFICACION DEL MODELO ECONOMTRICO
Anlisis de regresin
E (Yi / X i ) 1 2 X i
ESTIMACIN DEL MODELO ECONOMTRICO
Funcin de regresin muestral
Donde:
FRM : Yi 1 2 X i
Muestra Aleatoria
180
Gasto de consumo familiar, US$
, 160
140
120
100
80
60
40
20
0
0 50 100 150 200 250 300
P( X i ,Yi )
Yi 1 2 X i
Semanal, US$
ei
i
Yi
,
Yi E (Yi / X i ) 1 2 X i
E (Yi / X i )
Consumo
Xi X
Ingreso Semanal, US$
ESTIMACIN DEL MODELO ECONOMTRICO
Recta de regresin muestral y error muestral
P( X i ,Yi )
Yi Yi 1 2 X i
ei ei
Consumo Semanal, US$
,
Yi
P( X i ,Yi )
Xi X
Ingreso Semanal, US$
ESTIMACIN DEL MODELO ECONOMTRICO
El mtodo de mnimos cuadrados ordinarios
Considerando que:
ei Yi 1 2 X i
Elevando al cuadrado y aplicando el operador de sumatoria se tiene:
i i 1 2 i
e 2
[Y
X ]2
1
[ ei ]
2
1
[Y i
1
X
2 i ] 2
0
2
[ ei ]
2
2
[Y i 1 2 i 0
X ] 2
ESTIMACIN DEL MODELO ECONOMTRICO
El mtodo de mnimos cuadrados ordinarios ecuaciones normales
Derivando se obtiene:
1
[ ei2 ] 2 [Yi 1 2 X i ][ 1] 0 [e ] 0
i
2
[ ei2 ] 2 [Yi 1 2 X i ][ X i ] 0 [e ][ X ] 0
i i
Y n X
i 1 2 i [1]
X Y X X
i i 1 i 2 i
2
[2]
ESTIMACIN DEL MODELO ECONOMTRICO
Poblacin Ejemplo hipottico de 60 familias.
ESTIMACIN DEL MODELO ECONOMTRICO
Poblacin Ejemplo hipottico de 60 familias.
ESTIMACIN DEL MODELO ECONOMTRICO
Muestra aleatoria Ejemplo hipottico de 10 familias.
ESTIMACIN DEL MODELO ECONOMTRICO
Muestra aleatoria Ejemplo hipottico de 10 familias.
Muestra Aleatoria
N N Consumo Ingreso
Aleatorio Observacin Y X X*Y X^2
6 1 65 100 6,500 10,000
14 2 90 120 10,800 14,400
51 3 165 240 39,600 57,600
24 4 102 160 16,320 25,600
49 5 145 240 34,800 57,600
32 6 120 180 21,600 32,400
27 7 116 160 18,560 25,600
34 8 135 180 24,300 32,400
45 9 157 220 34,540 48,400
1 10 55 80 4,400 6,400
Sumatoria 1150 1680 211,420 310,400
Promedio 115 168
Fuente: Gujarati (2004) "Econometra" Pg. 37
ESTIMACIN DEL MODELO ECONOMTRICO
Aplicacin del Mtodo de mnimos cuadrados ordinarios
Y 1,150
i X i 1,680 n 10
X Y 211,420 X
i i i
2
310,400
1 6.30113636
2 0.64701705
Por tanto, la FRM es:
Yi 6.30113636 0.64701705 X i
El consumo autnomo estimado es US$ 6.3 semanales
La propensin marginal a consumir estimado es 0.64. Si el ingreso
semanal aumenta en US$ 1 el gasto de consumo semanal aumenta en US$
0.64.
ESTIMACIN DEL MODELO ECONOMTRICO
Propiedades del mtodo de mnimos cuadrados ordinarios
Muestra Aleatoria
[ei ] 0 [e ][ X ] 0
i i
Y n1 2 X Y Y
De la FRM se tiene:
Yi 1 2 X i Y n X
i 1 2 i Y 1 2 X
Yi Y 2 ( X i X )
y i 2 xi FRMD
Donde:
y i Yi Y xi X i X
ESTIMACIN DEL MODELO ECONOMTRICO
Estimacin de la FRM utilizando variables en trminos de desviaciones
Por definicin:
ei Yi Yi Yi Y Y Y (Yi Y ) (Yi Y ) yi y i
Elevando al cuadrado y aplicando el operador de sumatoria:
i i i i 2i
e 2
( y
y ) 2
( y
x ) 2
2
[ ei ]
2
2
[ y i
x
2 i ]
2
0
2
[ ei2 ] 2 [ yi 2 xi ][ xi ] 0 x y
i i
2 i 0
x 2
Por tanto:
2 xi yi
1 Y 2 X
xi 2
ESTIMACIN DEL MODELO ECONOMTRICO
Mtodo de mnimos cuadrados ordinarios Ejemplo hipottico
xi y i 18,220 i 28,160
x 2
Y 115 X 168
Reemplazando se tiene:
2
xyi i
0.647017045 1 Y 2 X 6.301136364
x 2
i
Muestra Aleatoria
Consumo Ingreso
Y X y x xy x^2 yest e ex
65 100 -50 -68 3400 4624 -43.9971591 -6 408.193182
90 120 -25 -48 1200 2304 -31.0568182 6 -290.727273
165 240 50 72 3600 5184 46.5852273 3 245.863636
102 160 -13 -8 104 64 -5.17613636 -8 62.5909091
145 240 30 72 2160 5184 46.5852273 -17 -1194.13636
120 180 5 12 60 144 7.76420455 -3 -33.1704545
116 160 1 -8 -8 64 -5.17613636 6 -49.4090909
135 180 20 12 240 144 7.76420455 12 146.829545
157 220 42 52 2184 2704 33.6448864 8 434.465909
55 80 -60 -88 5280 7744 -56.9375 -3 269.5
1,150 1,680 0 0 18,220 28,160 0 0 0
115 168 0 0 1,822 2,816 0 0 0
Fuente: Gujarati (2004) "Econometra" Pg. 37
Intercepto 6.30113636 Pendiente 0.64701705
ESTIMACIN DEL MODELO ECONOMTRICO
Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov
Los estimadores:
2 xy
i i
1 Y 2 X
x 2
i
2
xi y i
i
x 2
xi
2 wi yi wi
i
Donde: 2
x
2 wi (Yi Y ) Siendo: w 0i
2 wiYi
Es Insesgado:
2 wiYi
Considerando que:
Yi 1 2 X i i
2 wi [1 2 X i i ]
2 1 wi 2 wi X i wi i
E(2 ) 2 wi E(i ) Como: E ( i ) 0
E ( 2 ) 2 Es una propiedad multimuestral !!
ESTIMACIN DEL MODELO ECONOMTRICO
Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov
2 2 wi i
E[2 2 ]2 E[ wi i ]2
Var[2 ] E[ wi i ]2
Var ( 2 ) E ( w11 w2 2 ... wn n ) 2
2 ci y i ci (Y i Y ) ciYi
Reemplazando se tiene:
2 ci (1 2 X i i ) 1 ci 2 ci X i ci i
Aplicando el operador de esperanza matemtica:
c i 0 c X
i i 1 E ( i ) 0
Este estimador arbitrario es lineal e insesgado bajo ciertas condiciones.
ESTIMACIN DEL MODELO ECONOMTRICO
Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov varianza mnima.
Var ( 2 ) E ( 2 2 ) 2 E ( ci i ) 2
Var ( ) E (c c ... c ) 2
2 1 1 2 2 n n
Z 2 ci2 1 ci 2 ci X i
La varianza ser mnima si se cumple que:
Z Z
0 2ci 2 1 2 X i 0
ci ci
Z Z
0 ci 0
1 1
Z Z
0 ( ci X i 1) 0
2 ci
ESTIMACIN DEL MODELO ECONOMTRICO
Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov varianza mnima.
De lo anterior:
1
ci [1 2 X i ]
2 2
n1 2 X i 0
1
ci 2 2
[n1 2 X i ] 0
1
ci X i 2 2
[ 1 X i 2 X i 1
2
1 X i 2 X i2 2 2
De donde:
2 2 X 2 2
1 2
i x 2
ix 2
ESTIMACIN DEL MODELO ECONOMTRICO
Propiedades de los estimadores mnimos cuadrticos: Teorema de
Gauss-Markov varianza mnima.
2 ci y i
xi yi
2
xi 2
Siendo el modelo:
Yi 1 2 X i i
Y su contraparte muestral:
Yi 1 2 X i ei
A partir de, ei yi y i Se obtiene:
E( ei2 ) (n 2) 2
2 E ( e 2
i )
n2
i
El cual para una muestra particular ser: 2
e
2
n2
ESTIMACIN DEL MODELO ECONOMTRICO
Descomposicin de la varianza y coeficiente de determinacin
Como:
yi y i ei
Elevando al cuadrado y aplicando el operador de sumatoria se tiene:
i i i
e 2
( y
y ) 2
i i i 2 yie
y 2
y 2
e 2
Como: y e ( x )e
i 2 i i 2 xi ei 0
Entonces:
i i i
y 2
y 2
e 2
Y Yi
Yi Yi 1 2 X i
Semanal, US$
ei Debido al residuo
Yi Total Yi Y Yi
,
Yi Y Debido a la regresin
Y
Consumo
X Xi X
Ingreso Semanal, US$
ESTIMACIN DEL MODELO ECONOMTRICO
Descomposicin de la varianza y coeficiente de determinacin
SEC i i
2 2
y e
r2 1
STC yi2 i
y 2
Frmulas alternativas:
r 2 22
i i i
x 2
[ x y ]2
r r 2 x y i i
i i i
y 2
x 2
y 2
x y
2
i
2
i
330 100
80
70 Cierta relacin
60 inversa
50
40
30
20
10
0
140 150 160 170 180 190 200
ESTIMACIN DEL MODELO ECONOMTRICO
Descomposicin de la varianza y coeficiente de determinacin
Muestra Aleatoria
Consumo Ingreso
Y X y x xy x^2 yest e y^2 yest^2 e^2
65 100 -50 -68 3400 4624 -43.9971591 -6 2,500 1935.75001 36.034099
90 120 -25 -48 1200 2304 -31.0568182 6 625 964.525956 36.6850465
165 240 50 72 3600 5184 46.5852273 3 2,500 2170.1834 11.6606728
102 160 -13 -8 104 64 -5.17613636 -8 169 26.7923877 61.2128422
145 240 30 72 2160 5184 46.5852273 -17 900 2170.1834 275.069764
120 180 5 12 60 144 7.76420455 -3 25 60.2828722 7.64082677
116 160 1 -8 -8 64 -5.17613636 6 1 26.7923877 38.1446604
135 180 20 12 240 144 7.76420455 12 400 60.2828722 149.71469
157 220 42 52 2184 2704 33.6448864 8 1,764 1131.97838 69.8079239
55 80 -60 -88 5280 7744 -56.9375 -3 3,600 3241.87891 9.37890625
1,150 1,680 0 0 18,220 28,160 0 0 12,484 11,789 695
115 168 0 0 1,822 2,816 0 0 1,248 1,179 70
Fuente: Gujarati (2004) "Econometra" Pg. 37
Intercepto 6.30113636 Pendiente 0.64701705 R^2= 94.430075
FUENTE: Gujarati, Damodar N. (2004) "Econometra" McGraw Hill, p 37.
ESTIMACIN DEL MODELO ECONOMTRICO
Coeficiente de determinacin y varianza de la regresin
Por tanto:
SEC i
2 2
y e 695
r
2
1 i
1 0.94
STC yi2
yi2
12,484
r x y i i
18,220
0.97
x y2
i
2
i
28,160 12,484
2 ei
2
695
86.9187
n2 8
ESTIMACION DEL MODELO ECONOMTRICO
Modelos economtricos alternativos
Yi i
Yi X i i
1 1
Yi 1 2 i 1 2 X i i
Xi Yi
LnYi 1 2 LnX i i
LnYi 1 2 X i i Yi 1 2 LnX i i
Yi a bX 2i cX 22i i
Yi 1 2 X 2i 3 X 3i i
Yi 1 2 X 2i 3 X 3i ... k X ki i
INFERENCIA ESTADSTICA
El modelo clsico de regresin lineal normal (MCRLN)
Yi 1 2 X i i
E ( i / X i ) 0
E[ i E ( i )][ j E ( j )] 0
i ~ NID(0, 2 )
Cualquier funcin lineal de variables normalmente distribuidas estar
tambin normalmente distribuida.
INFERENCIA ESTADSTICA
El modelo clsico de regresin lineal normal (MCRLN)
Yi 1 2 X i i
E (Yi / X i ) 1 2 X i
Yi ~ NID(1 2 X i , 2 )
INFERENCIA ESTADSTICA
Estimadores mnimos cuadrticos
Yi 1 2 X i i
E (Yi / X i ) 1 2 X i FRP
Yi 1 2 X i FRM
2
xi yi
1 Y 2 X
xi2
1 ciYi 2 wiYi
1 ciYi 2 wiYi
E ( 1 ) 1 E ( 2 ) 2
Var( )
X i
2 2
Var ( 2 )
2
n x i
1 2 2
i x
X 2 2 2
1 ~ N ( , i 2 ~ N ( 2 , )
1
n x
) 2
i x 2
i
INFERENCIA ESTADSTICA
Estimadores estandarizados
1 1 2 2
Z1 ~ N (0,1) Z2 ~ N (0,1)
Xi
2 2 2
i
x 2
i
x 2
2
(n 2) 2 ~ n22 O alternativamente,
i
e 2
~ n22
2
INFERENCIA ESTADSTICA
Teoremas tiles relacionadas con la distribucin normal
Teorema 1: n
Z i ~ NI (0,1) i n
Z 2
i 1
~ 2
Teorema 2:
Z1
Z1 ~ N (0,1) ~ tk
V2
V2 ~ k2
k
Teorema 3:
V1 ~ k21 V1 / k1
~ Fk1 ,k 2
V2 ~ k22 V2 / k 2
Teorema 4:
tk2 F1,k
INFERENCIA ESTADSTICA
Utilizando los teoremas planteados se deducen
Considerando que:
2 2 2
Z2 ~ N (0,1) y V2 (n 2) 2 ~ n22
2
i
x 2
tn2
x 2
i
2 2 2 2
2
2
S
(n 2) 2 2
x 2
i
n2
INFERENCIA ESTADSTICA
Utilizando los teoremas planteados se deducen
Por el teorema 1:
Z2
2 2
~ N (0,1) Z2 [
2 2 2 2 [ 2 2 ]
]
2
i
x 2
12
2
2
2
i
x 2
i
x 2
Como tambin:
2 [ 2 2 ]2 xi2
V2 (n 2) 2 ~ n22 2
Entonces, utilizando el Teorema 3, se deduce: F1,n 2 1
2
(n 2) 2
n2
INFERENCIA ESTADSTICA
En resumen se tiene las siguiente variables aleatorias
1 1 2 2
Z1 ~ N (0,1) Z2 ~ N (0,1)
X
2 2 2
i
n x 2
i i
x 2
1 1 2 2
~ tn2 ~ tn2
X
i
2 2
2
n x 2
i i
x 2
[ 2 2 ]2 xi2
~ F1,n 2
2
INFERENCIA ESTADSTICA
Prueba de hiptesis
E (Yi / X i ) 1 2 X i
La hiptesis de no relacin entre la variable endgena y la variable exgena
es:
H0 : 2 0
Si no tenemos ningn conocimiento previo respecto a los valores de los
parmetros de la regresin, la hiptesis alternativa ser:
H A : 2 0
INFERENCIA ESTADSTICA
Prueba de hiptesis
2
t
2
2
i
x 2
x 2
i
Donde:
t / 2 Es el valor crtico obtenido de la tabla t (student) para un nivel de
significancia y grados de libertad dados.
Area A = rea B
(A+B) = el nivel
deseado de
significancia
Area A Area B
- Valor + Valor
critico critico
INFERENCIA ESTADSTICA
Determinacin de los valores crticos
Distribucin de t Student
0.025 0.025
- 2.086 0 + 2.086
Grados de libertad: 20
INFERENCIA ESTADSTICA
Prueba de significancia individual Ejemplo hipottico.
Hiptesis:
H0 : 2 0 H A : 2 0
Estadstico de prueba:
2 0.6470
tn2 11.65
2 86.9187
Regla de decisin: i
x 2 28,160
Se rechaza Se rechaza
Se acepta
0.05 0.05
-2.306 2.306
Valor critico Valor critico 11.65
INFERENCIA ESTADSTICA
Algunos aspectos prcticos
0.05 0.05
INFERENCIA ESTADSTICA
Prueba de significancia global
E(SEC) E( 2 x ) 2 22 xi2
2 2
i
[1]
ei
2
E ( SRC ) E ( ) E ( 2 ) 2 [2]
n2
Hiptesis:
Estadstico de prueba:
[ 2 2 ]2 xi2 22 xi2
F1,n2 F1,n2
2 2
Este estadstico es una razn de varianzas. Debido a que el estadstico de
prueba es una distribucin F se puede utilizar para determinar si esta razn
es grande o pequeo estableciendo intervalos de confianza como el
siguiente: 2 2
Pr[ Fk ,k , ] 1
2 1 2
i
x 2
Nivel de significancia
deseado
+ Valor
critico
INFERENCIA ESTADSTICA
Determinacin de los valores crticos
Distribucin F Snedecor
+ 4.11
Hiptesis:
H0 : 2 0 H A : 2 0
Estadstico de prueba:
0.05
0.90 0.10
0.05
3.46
Valor critico 135.6285
INFERENCIA ESTADSTICA
Tabla ANOVA ejemplo hipottico.
GRADOS
SUMA PROMEDIO DE
FUENTE DE VARIACIN SUMA DE CUADRADOS DE
CUADRADOS
LIBERTAD
yi2 22 xi 22 xi2
2
Debido a la regresin (SEC) 1
ei ei / n 2
2 2
Debido a los residuos (SRC) n-2
STC
y 2
i
n-1
Regla de decisin:
FC FT Se rechaza la hiptesis.
PREDICCIN
Prediccin
Yi 1 2 X i i
Supongamos que para un valor de: X0
Deseamos predecir: Y0
Y0 X 0 0
E (Y0 ) X 0
Y0 X 0
E[Y0 Y0 ] E[ X 0 0 X 0 ]
E[Y0 Y0 ] X 0 E(0 ) E( ) X 0 E( )
E[Y0 Y0 ] 0
PREDICCIN
Varianza del error de prediccin individual