Académique Documents
Professionnel Documents
Culture Documents
CUANTITATIVA
Sesión 10
NO AUTOCORRELACIÓN .06
.04
Cov(ut,ut-1)=0 .00
-.06
30 35 40 45 50 55 60 65 70 75
y1 1 x1 µ1
Objetivo: Estimar
y2 1 x2 β µ2 =intercepto u
y3 = 1 x3 + µ3 ordenada y,
2x1
… … … … =pendiente.
yn 1 xn µn
nx1 nx2 nx1
observaciones Observaciones de la Perturbación
de la var. var. independiente
dependiente
Y=X+µ
Y=Consumo
^
E(Y/X) = + β X Y=a+bX
a
X=Ingreso X=Ingreso
Función de Regresión Función de Regresión
Poblacional Muestral
X=xi X
^
MUESTRA: Yi = Yi + ei
b
XY nXY β=ΔE(Y)/ΔX: Si β>0: un aumento unitario en la variable
explicativa X conlleva un aumento promedio de β
2
X nX 2 unidades en la variable dependiente. La pendiente
mide el efecto de un aumento marginal en la variable
explicativa sobre E(Y).
“a” es el estimador MCO de
a Y bX =E(Y|X=0): valor promedio de la variable dependiente Y
cuando el valor que toma la variable independiente es cero.
se
(Y Yˆ ) 2 Ŷ= Valores estimados con la ecuación
de estimación que corresponden a
n2 cada valor de Y.
Grados de
libertad
n = número de puntos utilizados para
ajustar la línea de regresión.
Interpretación:
Mientras más grande sea el error estándar de la estimación, mayor
será la dispersión de los puntos alrededor de la línea de regresión.
Si se = 0 ecuación de estimación (Ŷ) nos da un estimador
perfecto de la variable dependiente.
500,000
R^2 ajustado 0.95239561
400,000
Error típico 21551.1878
300,000 Error estándar
Observaciones 22
200,000 y = 7.2x + 210383 de estimación
100,000 R² = 0.954
0 ANÁLISIS DE VARIANZA
0 10000 20000 30000 40000
Líneas móviles (miles)
Grados de libertad
Suma de cuadrados
Promedio de los cuadradosF Valor crítico de F
Regresión 1 1.956E+11 1.956E+11 421.135817 6.6026E-15
Residuos 20 9289073882 464453694
Total 21 2.0489E+11
Coeficientes
estimados Coeficientes Error típico Estadístico t Probabilidad Inferior 95%
Intercepción 210383.26 6375.84822 32.9969054 6.477E-19 197083.474
Líneas móviles en servicio (miles) 7.19995394 0.3508477 20.5215939 6.6026E-15 6.46809847
Rango de datos de
la variable
dependiente
Rango de datos
de las variables
independientes
Presenta cuadro
con los errores
estimados y
valor de Yestimado.
(Se explicará en
próxima sesión)
Y=X+µ
pendientes
Y
2 = ------------------
X2 de 1 unidad
- Semilogarítmica: y = eβ1 + β2 X2 + β3 X3 + µ
tasa de crec.
linealización: ln y = β1 + β2 X2 + β3 X3 + µ
elasticidades
%Y Es una elasticidad de
2 = ------------ Y respecto a X2.
% X2
Error
Punto correspondiente en el plano
X2
FÁTIMA PONCE REGALADO 23
FUNCIÓN DE REGRESIÓN POBLACIONAL
Teorema de Gauss-Markov:
^
El estimador βMCO es el Mejor Estimador Lineal Insesgado
(M.E.L.I. ) si se cumplen los supuestos básicos del MRLG.
0 < R2 < 1
H0 : vector β de pendientes = 0
β2
β3 = 0
:
:
βk
H1 : vector β de pendientes 0
1-= 0.95
Aceptar H0: βde pendientes= 0
^
Si F<F%(k-1, n-k) Aceptar H1
No rechazar H0. = 0.05
^
Si F>F%(k-1,n-k)
Aceptar H1.
-t/2(n-k) 0 t/2(n-k) t
=0.05
Prob < 0.05 Prob < 0.05
Análisis del P-valor:
Si: Prob 0.05 Se acepta la H0: β = 0
Si: Prob < 0.05 Se rechaza la H0: β = 0
FÁTIMA PONCE REGALADO 37
DISTRIBUCIÓN t
Para el caso de un i: (n-k) grados de libertad
Valor Prueba de
IC dos colas
g.l.