SESIN DE REPASO

ECONOMETRA I
SESIN DE REPASO:
CONCEPTOS BSICOS EN TORNO A
LA CONSTRUCCIN DE UN
MODELO ECONOMTRICO Y LAS
CARACTERSTICAS DEL MODELO
BSICO DE REGRESIN LINEAL
Ramn Maha
Octubre 2004
SESIN DE REPASO
ETAPAS PARA LA CONSTRUCCIN
DE UN MODELO ECONOMTRICO
IDENTIFICACIN
ESTIMACIN
CONTRASTE Y VALIDACIN
La identificacin es la etapa ms comprometida:
supone el paso del modelo econmico al economtrico.
La construccin de un modelo no termina con la
identificacin y estimacin de los parmetros. El
resultado de la estimacin inicial es slo un punto de
partida hacia el modelo final que deber ser contrastado
y validado.
El proceso de validacin y contraste debe hacerse de
forma ordenada pero generalmente no consistir en
un proceso lineal sin vuelta atrs: se plantear la
revisin de especificacin y estimacin.
SESIN DE REPASO
ETAPAS A CUBRIR PARA LA REALIZACIN DE UN MODELO
ECONOMTRICO
1.- Especificacin
Examen del marco terico en el contexto de
aplicacin
Seleccin de la muestra de anlisis
Seleccin de las variables relevantes
Medicin y transformacin ad-hoc de las variables
Seleccin de la forma funcional
2.- Estimacin
Eleccin del mtodo de estimacin: examen de
propiedades y posibilidades
Obtencin de estimacin de parmetros y varianza
de la perturbacin aleatoria
3.- Contraste de validez
Anlisis de signos y cuanta
Anlisis de bondad de los parmetros
C. Individuales
C. Conjuntos
Contraste de hiptesis bsicas
Estructurales
Relativas a la Perturbacin Aleatoria
4.- Validacin del modelo
Anlisis a priori:
Errores frente a la realidad
Anlisis de puntos de cambio de tendencia
Anlisis a posteriori
SESIN DE REPASO
USOS DEL MODELO ECONOMTRICO
Anlisis estructural
Simulacin
Prediccin
Contraste teoras econmicas
1.- ANLISIS ESTRUCTURAL
El modelo T.H.O.R. del I nstituto L.R. Klein y R.E.E. pretenda
establecer las necesidades de demanda de energa en virtud de tres
efectos: efecto laboralidad, efecto temperatura y efecto actividad
econmica.
2.- SIMULACIN
La compaa AI RTEL encarg al I nstituto L.R. Klein la
elaboracin del proyecto de impacto econmico de la implantacin del 2
operador de telefona mvil en Espaa exigido por el Ministerio de
Fomento en el pliego de concurso. El objetivo de este proyecto es el de
evaluar como se modifica la inversin y la renta total nacional y el
empleo por la inyeccin que supone la actividad de una compaa de
estas magnitudes.
3.- PREDICCIN
El Centro de Estudios Latinoamericanos ha desarrollando un
modelo de previsin de crisis cambiarias latinoamericanas. El modelo
anticipa en trminos de probabilidad las correcciones bruscas del tipo de
cambio de cada pas.
4.- CONTRASTE DE TEORAS ECONMICAS
Mltiples estudios aplicados en datos de panel han probado que el
cumplimiento de la PPP no es homogneo ni radical como apunta la
teora econmica y han permitido identificar qu fricciones de mercado
lo impiden.
SESIN DE REPASO
MODELO BSICO DE REGRESIN LINEAL
OBJETIVO: Cuantificar la relacin existente entre una variable
endgena y un conjunto de variables exgenas, todas ellas
cuantitativas en sentido estricto (escala de razn), mediante una
aproximacin no determinista del problema.
MODELO:
MODELO REAL(n datos y k variables explicativas)
i ki k i i i
u x x x y + + + + + = .........
2 2 1 1 0
Expresin matricial:
Y = X+U

n
k
kn n n
k
k
k
n
u
u
u
u
x x x
x x x
x x x
x x x
y
y
y
y
.
.
.
. . . 1
. . . . .
. . . . .
. . . . .
. . . 1
. . . 1
. . . 1
.
.
.
3
2
1
2
1
2 1
3 23 13
2 22 12
1 21 11
3
2
1

(n x 1) (n x k) (k x 1) (n x 1)
MODELO ESTIMADO y ERROR
ki k i i i
x x x y

.........

2 2 1 1 0
+ + + + =
i i i i
y y e u = =
SESIN DE REPASO
MODELO BSICO DE REGRESIN LINEAL
CARCTER BSICO DEL MODELO
El modelo se llama modelo bsico por incorporar a la expresin de un
modelo lineal lo que SCHMIDT (1976) llam las hiptesis ideales.
Estas hiptesis permiten generalizar procedimientos, clculos,
procedimientos de inferencia independientemente de parmetros
desconocidos.
- ESTRUCTURALES
Admitimos una relacin lineal
Admitimos permanencia estructural de los parmetros
Entre las variables exgenas no debe existir relacin lineal
- RELATIVAS A LA PERTURBACIN ALEATORIA
Tan slo la variable presenta aleatoriedad (heredada de U)
El trmino de error tiene media nula y varianza constante
No existe correlacin entre errores correspondientes a
observaciones diferentes
SESIN DE REPASO
MODELO BSICO DE REGRESIN LINEAL
CARCTER ESTOCSTICO DEL MODELO (U)
i ki k i i i
u x x x y + + + + + = .........
2 2 1 1 0
MEDIA NULA
E[u
i
] = 0 i=1n
VARIANZA CONSTANTE
V[u
i
] = E[u
i
-E[u
i
]]
2
=
2
i=1n
COVARIANZA NULA
Cov[u
i
u
j
] = E[(u
i
-E[u
i
])( u
j
-E[u
j
])]

= 0 ij
- EN TRMINOS MATRICIALES......
Y = X+U
MEDIA NULA
[ ]
[ ]
[ ]
[ ]
[ ] 0
.
.
.
0
0
0
0
.
.
. 0
3
2
1
3
2
1
=
=
=
=
=

=
n n
u E
u E
u E
u E
u
u
u
u
E U E
SESIN DE REPASO
VARIANZA CONSATANTE Y COVARIANZA NULA
E[UU]=
2
In
[ ] [ ]

=
n n n n n
n
n
n
n
n
u u u u u u u u
u u u u u u u u
u u u u u u u u
u u u u u u u u
u u u u
u
u
u
u
UU
. . .
. . . . . . .
. . . . . . .
. . . . . . .
. . .
. . .
. . .
. . .
.
.
. '
3 2 1
3 3 3 2 3 1 3
2 3 2 2 2 1 2
1 3 1 2 1 1 1
3 2 1
3
2
1
[ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]
[ ] [ ] [ ]

=
2
2
2
2
2 1
3 2 3 1 3
2 2 2 1 2
1 2 1 1 1
2
. . . 0 0 0
. . . . . . .
. . . . . . .
. . . . . . .
0 . . . 0 0
0 . . . 0 0
0 . . . 0 0
. . .
. . . . . . .
. . . . . . .
. . . . . . .
. . .
. . .
. . .
'

n n n n
n
n
n
n
u u E u u E u u E
u u E u u E u u E
u u E u u E u u E
u u E u u E u u E
I UU E
E[u
i
u
i
] =
2
E[u
i
]
2
=
2

E[(u
i
-0)]
2
=
2
E[(u
i
- E[u
i
])]
2
=
2
V[u
i
]=cte.
E[u
i
u
j
] =0 E[(u
i
-0) (u
j
-0)]

=0
E[(u
i
- E[u
i
]) (u
j
- E[u
j
])]

=0Cov[u
i
u
j
]=0
SESIN DE REPASO
ESTIMACIN DEL MBRL
Planteamiento bsico
i ki k i i i
u x x x y + + + + + = .........
2 2 1 1 0

MODELO REAL
MODELO ESTIMADO
ki k i i i
x x x y

.........

2 2 1 1 0
+ + + + =
Parmetros (* fundamentales)
Propiedades de la perturbacin aleatoria
- Dos mtodos bsicos pero no nicos:
Mnimos Cuadrados Ordinarios (M.C.O)
Mxima Verosimilitud (M.V)
SESIN DE REPASO
ESTIMACIN DEL MBRL
ESTIMADOR DE M.C.O
- Principio bsico: Utilizar como estimador aquellos parmetros de
que minimicen los residuos obtenidos en la regresin.
- Procedimiento matemtico:
1.- Se especifica la expresin de los residuos
2.- Se deriva esa expresin con respecto al estimador
- Desarrollo matemtico matricial:
Se trata de minimizar :
2 2
3
2
2
2
1

.........

) (
n
u u u u S + + + + =
que matricialmente es lo mismo que:
U U S

'

) ( =
pero adems, el residuo puede expresarse como:

X Y Y Y U = =
luego podemos escribir:
)

( )'

'

) ( X Y X Y U U S = =
SESIN DE REPASO
ESTIMADOR DE M.C.O (Cont.)
desarrollando:

' '

' '

' ' X X Y X X Y Y Y S + =

' '

' '

2 ' X X Y X Y Y + =
y derivando queda:
0

' 2 ' 2 0 0

= + =

X X Y X
S
de donde:
Y X X X ' ) ' (

1
=
ESTIMADOR DE M.V
- Principio bsico: Se tomarn como estimadores aquellos valores
de que resulte ms verosimil pensar que hayan generado nuestra
muestra de errores con las propiedades que les hemos dotado
(media nula y varianza constante).
- Procedimiento matemtico:
1.- Se fija la funcin de verosimilitud a maximizar
2.- Se plantea la ecuacin de verosimilitud
3.- Se resuelve la ecuacin por un procedimiento lineal o iterativo
- M.C.O y M.V: Si se obtiene la expresin del estimador M.V se
observar que es la misma que la del estimador M.C.O para el caso
del M.B.R.L
Y X X X
O C M V M
' ) ' (

1
. . . .

= =
SESIN DE REPASO
PROPIEDADES DEL ESTIMADOR MCO
- LINEALIDAD
- INSESGADEZ
- EFICIENCIA
- CONSISTENCIA
1. Linealidad: La forma funcional que liga al verdadero
valor del parmetro y al estimador es lineal
2. Insesgadez: El valor ms probable del estimador
coincide con el verdadero valor del parmetro
3. Eficiencia: La desviacin entre el verdadero valor del
parmetro estimado y el valor del estimador ser la
menor posible.
4. Consistencia: La diferencia entre el valor estimado del
parmetro y el real se anula para una muestra infinita
E.L.I.O
Estimador Lineal Insesgado ptimo
(*)
(*) Optimo= Eficiente entre los insesgados lineales
SESIN DE REPASO
PROPIEDADES DEL ESTIMADOR MCO
(Cont.)
- LINEALIDAD
- INSESGADEZ
- EFICIENCIA
- CONSISTENCIA
Expresin matemtico matricial:
U

+ = W
Interpretacin:
1. La divergencia entre el valor del parmetro
estimado y el real puede expresarse en trminos
lineales
2. El error cometido en la estimacin es
exclusivamente una porcin fija W del error
cometido en la especificacin del modelo
3. (**) Las propiedades del estimador sern una
funcin lineal de las propiedades de la
perturbacin aleatoria.
SESIN DE REPASO
PROPIEDADES DEL ESTIMADOR MCO
(Cont.)
- LINEALIDAD
- INSESGADEZ
- EFICIENCIA
- CONSISTENCIA
Expresin matemtico matricial:
[ ] =

E
Representacin:
)

( = P
=
SESIN DE REPASO
PROPIEDADES DEL ESTIMADOR MCO
(Cont.)
- LINEALIDAD
- INSESGADEZ
- EFICIENCIA
- CONSISTENCIA
Expresin matemtico matricial:
[ ] [ ] min E E =
2

Idea conceptual:
Dado que la esperanza matemtica del estimador
coincide con el verdadero valor del parmetro
varianza mnima implica mnimo alejamiento (error)
entre la estimacin y el valor verdadero del
parmetro.
Expresin de la varianza del estimador MCO:
[ ] [ ] [ ] ( )
1
' 2 2

= = X X V E E
u

SESIN DE REPASO
PROPIEDADES DEL ESTIMADOR MCO
(Cont.)
- LINEALIDAD
- INSESGADEZ
- EFICIENCIA
- CONSISTENCIA
Expresin matemtico matricial:
( )

=
=

n
n
lim
V lim
Idea conceptual:
Se admiten diferencias entre el verdadero valor
poblacional del parmetro y el estimado en la
muestra siempre y cuando se anulen cuando la
muestra coincidiese con la poblacin
SESIN DE REPASO
PROPIEDADES DEL ESTIMADOR MCO
(Cont.)
Asumiendo la normalidad, podemos decir que la
distribucin del estimador ser:
( ) ( )
1
' 2
,

X X N
u