Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DADE
Notas de Clase
= [ X ' X ]1 X ' Y
donde se ha utilizado la expresin del modelo en forma matricial:
Y = X +U
nx1
nxk kx1
nx1
La expresin de clculo es la misma para ambos cuando la funcin de densidad de las perturbaciones
aleatorias se distribuye como una normal.
2
3
Quiz se puedan encontrar formas de estimar los parmetros con un menor intervalo de variacin, pero
si estos no son insesgados conculcan lo que hemos llamado condicin sinequanon para un valor estimado.
Podemos ser muy precisos en una estimacin, pero si su valor medio o esperanza no coincide con el valor
real, la utilidad de la estimacin quedar en entredicho.
Econometra I. DADE
Notas de Clase
perturbaciones aleatorias, demostrar que los parmetros son una combinacin lineal de
stas lleva inmediatamente a conocer en qu forma se distribuyen nuestros coeficientes
estimados. Sabiendo cul es su funcin de densidad, podremos calcular con facilidad en
qu rango o intervalo se mueven stos e, incluso, podremos disear algunos contrastes
estadsticos para averiguar el grado de significatividad de estos (en qu medida
podemos decir que los parmetros son distintos de cero o, dicho de otra forma, en qu
grado las variables a las que multiplican dichos parmetros son relevantes para la
explicacin de la variable endgena del modelo).
LINEALIDAD
Para comprobar que los parmetros estimados son una combinacin lineal de las
perturbaciones aleatorias del modelo, basta con sustituir Y en la expresin de clculo
de los mismos por su expresin completa (entre llaves en la expresin de ms abajo):
= [ X ' X ]1 X ' Y = {Y = X + u
}=
[X ' X ]1 X ' X + [X ' X ]1 X ' u = + [X ' X ]1 X ' u =
+ WU
Los estimadores MCO son una combinacin lineal de las perturbaciones aleatorias.
Como ya se ha indicado anteriormente, esta comprobacin ser de especial
trascendencia para acometer la fase de validacin del modelo ya que una funcin lineal
de una variable aleatoria que se distribuye como una normal tambin se distribuye como
una normal. A partir de esta deduccin, podremos determinar los intervalos de
confianza en los que se movern nuestras estimaciones y podremos realizar hiptesis
sobre el valor real de los parmetros a contrastar estadsticamente.
INSESGADEZ
En este momento tiene inters demostrar que el valor esperado del parmetro estimado
con MCO coincide con el valor real del parmetro.
Para la demostracin, partiremos del resultado obtenido en el apartado anterior, cuando
escribimos los parmetros como una combinacin lineal de las perturbaciones
aleatorias:
= + [ X ' X ]1 X 'U
1
1
E ( ) = E ( + [ X ' X ] X 'U ) = + [X ' X ] X ' E (U ) = {E (U ) = 0} =
E ( ) =
Econometra I. DADE
Notas de Clase
Para demostrar que el estimador MCO es el estimador ptimo se seguirn cuatro pasos4:
1) Se determina el valor de las varianzas de los estimadores MCO.
2) Se propone un estimador alternativo al MCO cualquiera y se comprueba cul es la
condicin necesaria y suficiente para que dicho estimador sea insesgado.
3) Se determinan las varianzas de estos estimadores alternativos
4) Se comparan las varianzas de ste con las de los estimadores MCO.
1) Matriz de varianzas-covarianzas de los estimadores
] [
X 'U )'] = E [ X ' X ]
1
1
COV VAR( ) = ( E ( ))( E ( ))' = E ( + [ X ' X ] X 'U )( + [ X ' X ] X 'U )' =
] {
1
COV VAR( ) = 2 [X ' X ]
= [ X ' X ]1 X '+ P Y = {Y = X + U
[ X'X]
[ + [X ' X ]
}=
X 'U + PX + PU
Esta demostracin tambin se podra realizar comprobando que la varianza del estimador MCO es la
cota de Cramer Ro.
Econometra I. DADE
Notas de Clase
Una vez contamos con la expresin de un estimador cualquiera alternativo, hay que
comprobar cules son las condiciones que este debe cumplir para ser insesgado.
t
1
E ( ) = E + [X ' X ] X 'U + PX + PU =
[ + [X ' X ]
X ' E (U ) + PX + PE (U ) =
[ + PX ]
condicin insesgadez PX = 0
t
= + [ X ' X ]1 X 'U + PU
En la expresin anterior, efectivamente es necesario verificar la siguiente condicin para
que no haya sesgo: PX = 0 . En esta expresin, los parmetros no pueden contener
ningn cero, ya que se supone que la especificacin del modelo es correcta (no sobra
ninguna variable explicativa). Por ello, la expresin anterior de la insesgadez de los
parmetros alternativos queda reducida a que: PX = 0 .
3) Matriz de varianzas-covarianzas del estimador alternativo
} [
E [ X ' X ] X 'UU ' X [ X ' X ] + [X ' X ] X 'UU ' P'+ PUU ' X [ X ' X ] + PUU ' P' =
4) Comparacin de varianzas
Finalmente, hay que comprobar que efectivamente las varianzas de los estimadores
MCO siempre son inferiores a las varianzas de cualquier otro estimador insesgado:
t
1
1
cov var( ) = 2 ([ X ' X ] + PP ' ) > 2 ([ X ' X ] = cov var( )
Esta condicin se verifica siempre, ya que PP es una matriz por su transpuesta, luego
en su diagonal siempre hay nmeros positivos y es precisamente la diagonal principal
donde en la matriz de varianzas-covarianzas estn las varianzas.
Econometra I. DADE
Notas de Clase
CONSISTENCIA
Por ltimo, se demostrar que los parmetros MCO son consistentes; es decir, que
ampliando la muestra al total de la poblacin, el valor estimado coincide con el real o,
dicho de otra forma, que cuando contamos con todos los datos, no con una muestra, el
clculo de MCO da como resultado los parmetros reales, un clculo exacto, luego con
varianza igual a cero.
p lim( ) =
n
p lim(var( )) = 0
n
2 X'X
1
p lim(var( )) = 2 [ X ' X ] =
n n
n
En definitiva, despus de haber observado que los estimadores MCO cumplen con las
cuatro propiedades propuestas (linealidad, insesgadez, optimalidad y consistencia);
adems de saber que contamos con las estimaciones paramtricas con mayores garantas
estadsticas, tambin podemos saber que los coeficientes del modelo se distribuyen
como una Normal, con media el verdadero valor del parmetro (son insesgados) y
1
varianza COV VAR ( ) = 2 [X ' X ] . Es decir:
N ( ; 2 [X ' X ]1 )
En cualquier caso, esta expresin no ser de utilidad para determinar los intervalos de
confianza de los parmetros (para conocer entre qu bandas se movern los verdaderos
valores de los parmetros) salvo que obtengamos un mtodo para estimar la varianza de
las perturbaciones aleatorias que interviene en esta frmula 2 .