Econometra

1
Supuestos de los errores

2
Notacin tcnica Interpretacin
E(u
t
)=0



El promedio de
los errores es
cero.

La varianza de
los errores es
constante y finita.
< =
2
) var( o
t
u
Supuestos contina...

Notacin tcnica Interpretacin
Cov(u
i
, u
j
) = 0.



Cov(u
t
, x
t
) = 0.
Los errores entre ellos
son estadsticamente
independientes.

No existe relacin
estadstica entre el
error y, x.
3
Finalmente se tiene el supuesto que,
u
t
~N(0,
2
), los errores tiene una
distribucin normal.
4
Poder explicativo de la regresin
La R
2

Tambin llamada coeficiente de
determinacin nos dice que tan bien
la regresin explica los datos, en otras
palabras que tan cercanos son los
datos estimados a los observados.
La R
2
se calcula de la siguiente
manera:
5
(Coeficiente de determinacin)

6
TSS
RSS
R =1
2
Donde RSS = la suma de los cuadrados
de los residuos, TSS = la suma total de los
cuadrados de acuerdo a la siguiente
ecuacin:
TSS = ESS + RSS
En donde ESS = La suma de los cuadrados
explicados,
7
y se puede expresar todo en conjunto de
la siguiente manera:
8
( )

+ =
t t
t
t
t
u y y y y
2 2
2

(
Donde la notacin es la misma que en el
tema anterior.
La R
2
siempre debe de tener un valor
entre cero y uno, considerando que cero
es poder explicativo nulo mientras que
uno significa poder explicativo del 100%.
Considerando lo anterior,
9
Obtenemos lo siguiente,
10
TSS
ESS
R =
2
Los casos extremos son:
RSS = TSS i.e. ESS = 0, R
2
= ESS/TSS=0.
ESS = TSS i.e. RSS = 0, R
2
= ESS/TSS=1.
La R
2
Ajustada
Aunque la R
2
es simple de calcular e
intuitivamente fcil de comprender,
existen algunos problemas con el
mencionado coeficiente. Estos son:
11
Cambios en la variable dependiente
implican cambios en la R
2
an
cuando se trate del mismo modelo
solo con cambios algebraicos.
La R
2
nunca disminuye al incluir
variables independientes en el
modelo. Lo anterior no permite saber si
es importante incluir una variable
nueva en el modelo no.
12
A menudo toma valores de 0.90
mayores para series de tiempo, por ende,
no es buena para realizar evaluaciones
entre modelos.
13
La R
2
ajustada, en notacin nos
permite solucionar esos problemas. Lo
anterior, al tomar en cuenta la prdida
de grados de libertad al aadir ms
variables explicativas. De esta manera el
coeficiente de determinacin ajustado se
define de la siguiente manera:
14
2
R
R
2
ajustada,


15
( )
(

=
2 2
1
1
1 R
k T
T
R
Por lo que si se aaden mas variables
explicativas, k aumentar y sin la R
2
no
crece lo suficiente para contrarrestar el
efecto de haber aadido la variable, la
disminuir

16
2
R
De esta manera el coeficiente de
determinacin ajustado sirve para tomar
decisiones sobre la importancia de incluir
una variable explicativa
(estadsticamente hablando) no.
Por lo anterior se tiene la siguiente regla:
Incluir una variable si la R
2
ajustada sube y
no incluir si esta baja.
17
Un Proceso Ruido Blanco
A grandes rasgos, es un proceso en el
cual no se puede discernir alguna
estructura.
18
Se define formalmente de la siguiente
manera, E(y
t
) = , var(y
t
) =
2
.


Ocurre
2
si t = r, de lo contrario el valor
es cero.


19
)
`

0
2
o

r t
Por lo que el proceso de ruido blanco
tiene un promedio y varianza constante,
tiene cero autocovarianzas.
Otra forma de afirmar lo expuesto sera
decir que cada observacin no tiene
correlacin con todos los otros valores en
la secuencia
20
Por lo que se espera que la funcin de
autocorrelacin sea cero aparte del
valor de 1 que se obtiene con cero
rezagos.
Si se tiene el supuesto que y
t
tiene una
distribucin normal estndar, entonces
los coeficientes de autocorrelacin
tambin tienen una aproximacin a la
normal,
~ aproximadamente N(0,1/T),
21
s

En donde el coeficiente estimado de

letra griega gama denota al coeficiente
de autocorrelacin en el rezago s
estimado de la muestra.


22
El resultado puede ser utilizado para llevar
a cabo pruebas de significancia
estadstica para los coeficientes
construyendo niveles de confianza para
un coeficiente estimado de
autocorrelacin.
23
El propsito es el de determinar si el
coeficiente es estadsticamente diferente
a cero.
Por ejemplo, para un nivel de confianza
de 95%,


24
T
1
* 96 . 1
Si el coeficiente de
autocorrelacin
Cae fuera de la mencionada
regin (intervalo de
confianza) por un valor dado
de s, entonces se rechaza la
hiptesis nula.
25
s
t

La hiptesis nula se define formalmente

especificando que el valor del
coeficiente en el rezago s es de cero.
26