Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIN AL MRLMG
Autores:
ESQUEMA DE CONTENIDOS
___________________________________
Matriz de varianzas y
covarianzas
Estimadores MCO
Modelo de Regresin
Lineal General (MRLG)
Mtodo MCG
Estimadores MCG
Hiptesis de normalidad
Estimadores MV
Caso prctico con Minitab
INTRODUCCIN
___________________
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
OBJETIVOS
________________________
Introducirse en el uso de Excel para automatizar los clculos matriciales que permiten
obtener los estimadores MCG.
CONOCIMIENTOS PREVIOS
___________________________________
Aparte de estar iniciado en el uso de la hoja de clculo Excel y del paquete estadstico Minitab,
resulta muy conveniente haber ledo con profundidad los siguientes math-blocks:
CONCEPTOS FUNDAMENTALES
______________________________
Y = 1 + 2 X 2 + ... + k X k + u
Para determinar el modelo anterior, es necesario hallar (estimar) el valor de los coeficientes
1, 2, ..., k.
As pues, cuando se disponga de n observaciones (cada observacin estar formada por una
tupla con los valores de X2, X3, ..., Xk y el valor de Y asociado), tendremos el siguiente
sistema de n ecuaciones lineales:
Y1 = 1 + 2 X 21 + ... + k X k1 + u1
Y = + X + ... + X + u
2
1
2
22
2
k
k2
...
Yn = 1 + 2 X 2 n + ... + k X kn + u n
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
o, en forma matricial: Y = XB + U , donde:
Y1
1 X 21
Y
1 X
2
22
, X =
Y=
...
... ...
1 X 2n
Yn
... X k 1
1
u1
2
... X k 2
2
, B=
,U =
...
...
... ...
... X kn
k
u n
En estas condiciones, las hiptesis del MRLM se resumen en la esfericidad del trmino de
perturbacin, i.e.:
E [u i ] = 0
i = 1,..., n
[ ]
Var [u i ] = Var u j = 2
i j
Var[U ] =
...
...
...
... ...
... 2
2
...
1 2
0
Var[U ] =
...
0
2
2
...
0
... 0
... 0
... ...
2
... n
0
Var [U ] =
...
0
2
...
0
0
= 2 In
...
... 2
...
...
...
U N 0 n , 2 I n
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
1 2
0
Var [U ] =
...
0
2
2
...
0
1 2
... 0
... 0
2 0
=
...
... ...
2
... n
0
0
2
2
...
0
... 0
... 0
= 2 n
... ...
2
... n
2 12
2
Var [U ] = 21
...
...
n1 n 2
... 1n
1 12
1
... 2 n
2 21
=
... ...
... ...
... 2
n1 n 2
... 1n
... 2 n
= 2 n
... ...
... 1
[]
1
Var B = 2 (X X )
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
u2 =
e e
nk
u2 , es tambin insesgado.
Estimacin MCG directa: a partir del modelo inicial Y = XB + U , es posible obtener los
estimadores MCG utilizando las siguientes expresiones [1]:
B MCG = X 1 X
2
MCG
=
) (X
1
e' 1 e
nk
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
Estimacin MCG indirecta: otra forma alternativa de obtener los estimadores MCG
consiste en realizar los siguientes dos pasos:
1.
2.
-1
2
MCG
, es insesgado [1].
B MV = X 1 X
) (X
1
Y = B MCG
e' 1 e
n
[ ]
2
E MV
n
u2 ).
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
A fin de simplificar posteriores operaciones, lo primero que haremos ser seleccionar el rango
que ocupa cada una de las tres matrices (Y, X, y Omega) y asignarle un nombre a cada rango
mediante la opcin Insertar > Nombre > Definir:
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
Ahora simplemente nos queda ya seleccionar un rango vertical que est vaci (y que
contenga tantas celdas como elementos tenga el vector B), e introducir la siguiente frmula
(los nombres de las matrices pueden ser distintos segn hayan sido definidos anteriormente
por cada usuario):
El resultado que se obtiene se muestra a continuacin. Observar que los estimadores MCG
del modelo son b1 = 19,643 y b2 = 1,357:
En la imagen anterior se muestran tambin los estimadores MCO del modelo (b1 = 14,808 y
b2 = 1,808). Es interesante apreciar la diferencia entre los estimadores MCG y los MCO. La
frmula matricial utilizada para obtener los estimadores MCO se muestra a continuacin:
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
Ejemplo de estimacin MCG indirecta: usaremos ahora el mismo modelo anterior para
aplicar el mtodo MCG en dos pasos.
Para ello, supondremos conocida la matriz de transformacin T. Los pasos a realizar son
similares a los anteriores (seleccionar el rango de cada matriz y asignarle un nombre,
calcular los productos matriciales T*X y T*Y, calcular la matriz transpuesta de T*X y,
finalmente, usar las frmulas matriciales que se muestran en las siguientes imgenes):
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
Introduccin al MRLMG
VARIABLE
DESCRIPCIN
C1
SALARIO
C2
EMPRESA
C3
EXPERIENCIA
C4
EDUCACIN
aos de estudios
C5
ID
C6
SEXO
0 = hombre, 1 = mujer
Construiremos ahora un modelo de regresin lineal mltiple que nos permita explicar el
comportamiento de la variable SALARIO a partir de tres variables explicativas: EMPRESA,
EXPERIENCIA y EDUCACIN.
A fin de comprobar si se cumple el supuesto de normalidad, guardaremos en distintas
columnas los residuos, los residuos estandarizados y los valores estimados:
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
10
Introduccin al MRLMG
Regression Analysis
The regression equation is
SALARIO = 24042 + 421 EMPRESA + 387 EXPERIENCIA + 460 EDUCACIN
Predictor
Constant
EMPRESA
EXPERIEN
EDUCACI
Coef
24042
421,2
386,9
459,6
StDev
2156
178,5
243,8
450,6
S = 3050
R-Sq = 81,8%
T
11,15
2,36
1,59
1,02
P
0,000
0,056
0,164
0,347
R-Sq(adj) = 72,6%
Analysis of Variance
Source
Regression
Residual Error
Total
DF
3
6
9
Source
EMPRESA
EXPERIEN
EDUCACI
Seq SS
217533278
22940248
9681616
DF
1
1
1
SS
250155142
55829435
305984577
MS
83385047
9304906
F
8,96
P
0,012
Observar que Minitab ha guardado en tres columnas los valores estimados para la variable
SALARIO, los residuos (RESI1) y los residuos estandarizados (SRES1):
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
11
Introduccin al MRLMG
A fin de verificar los supuestos del modelo, podemos usar los residuos o los residuos
estandarizados. Algunos analistas prefieren usar los residuos (que, cuando se cumple la
primera de las hiptesis de esfericidad, tienen una media de 0), mientras que otros prefieren
usar los residuos estandarizados (en los que la mayora de los valores estn comprendidos
entre 3 y 3). En este ejemplo usaremos los estandarizados.
Comprobemos el supuesto de normalidad:
,999
,99
Probability
,95
,80
,50
,20
,05
,01
,001
-1
SRES1
Av erage: 0,0003251
StDev : 1,01488
N: 10
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
12
Introduccin al MRLMG
En el grfico se aprecia que la nube de puntos se ajusta bastante a la recta, lo cual nos hace
pensar que el supuesto de normalidad s se verifica. El output anterior tambin nos ofrece el
test de normalidad de Anderson-Darling. En este caso, el p-valor de dicho contraste es de
0,372, por lo que no rechazaremos la hiptesis nula de que los residuos se distribuyen de
forma normal. As pues, no hay indicios que nos hagan dudar del cumplimiento de la hiptesis
de normalidad en el trmino de error.
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
13
Introduccin al MRLMG
BIBLIOGRAFA
______________________________________________
[1]
Arts, M.; Suriach, J.; et al (2002): Econometra. Ed. Fundaci per a la Universitat Oberta de
Catalunya. Barcelona.
[2]
Carter, R.; Griffiths, W.; Judge, G. (2000): Using Excel for Undergraduate Econometrics.
ISBN: 0-471-41237-6
[3]
Doran, H. (1989): Applied Regression Analysis in Econometrics. Ed. Marcel Dekker, Inc.
ISBN: 0-8247-8049-3
[4]
[5]
[6]
[7]
[8]
[9]
Uriel, E. (1990): Econometra: el modelo lineal. Ed. AC. Madrid. ISBN 84-7288-150-4
[10]
ENLACES
___________________________________
http://www.feweb.vu.nl/econometriclinks/index.html
The Econometrics Journal On-Line
http://www.elsevier.com/hes/books/02/menu02.htm
Libro on-line: Handbook of Econometrics Vols. 1-5
http://elsa.berkeley.edu/users/mcfadden/discrete.html
Libro on-line: Structural Analysis of Discrete Data and Econometric Applications
http://www.oswego.edu/~kane/econometrics/stud_resources.htm
Online Resources for Econometric Students
http://www.econ.uiuc.edu/~morillo/links.html
Econometric Sources: a collection of links in econometrics and computing. University of Illinois
http://www.econometrics.net/
Econometrics, Statistics, Mathematics, and Forecasting
http://ideas.uqam.ca/EDIRC/ectrix.html
Economics Departments, Institutes and Research Centers in the World: Econometrics,
Mathematical Economics
Proyecto e-Math
Financiado por la Secretara de Estado de Educacin y Universidades (MECD)
14