Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Interpretacion Estimadores
Interpretacion Estimadores
LINEAL
Rafael de Arce
Ramn Maha
Febrero de 2012
y i 1 2 x2i 3 x3i
Imaginemos una muestra temporal donde i representa el paso del tiempo. Si
expresamos ahora el modelo en diferencias, es decir, si al valor estimado de y en el
perodo i ( y i ) le restamos el valor estimado de y en el perodo i-1 ( y i 1 ) tenemos
que:
2i
3i
x3i 0
y i
2
x 2i
El parmetro -0.5 de los precios indicara que por cada incremento de un euro
en el precio unitario, nuestras ventas se reduciran en medio milln de euros
siempre y cuando se mantuviese constante el presupuesto en publicidad.
El coeficiente de 1.3, positivo, indica que, si no variamos el precio de venta, un
incremento de 1 milln de euros en publicidad genera un incremento de ventas
de 1.3 millones.
Evidentemente, la empresa nunca movi slo los precios o slo la publicidad, sino que
todos los aos hizo, probablemente, ambas cosas: sin embargo, la regresin mltiple
permite aislar ambos efectos.
Una observacin de inters es: qu sucede si slo utilizamos una de las dos variables
en la regresin? En ese caso, puede observarse que los resultados de las dos
regresiones individuales son:
9
8
7
6
ventas
precio
publicidad
2
1
0
-1
-2
9 10 11 12 13 14 15
Cuando tomamos slo los datos de la publicidad y las ventas, observamos que,
efectivamente, a lo largo de los ltimos 15 aos la publicidad se ha incrementado
notablemente pero, sin embargo, las ventas han disminuido; sin embargo, durante
este mismo perodo, los precios han crecido tambin de forma muy significativa, de
modo que el efecto tericamente positivo de la publicidad se ha visto anulado por un
incremento descontrolado de los precios. Si slo observamos la relacin entre ventas
y publicidad, subestimamos clamorosamente el efecto de la publicidad; del mismo
modo, si slo observamos la relacin entre ventas y precios, subestimamos tambin el
efecto negativo de un alza en los precios (la realidad es que, si no hubisemos elevado
la publicidad a lo largo de estos 15 aos, la cada de las ventas ante tal incremento de
los precios hubiera sido algo mayor).
La anterior exposicin nos obliga a plantearnos algunas preguntas:
-
(como la renta de cada uno de los lugares) y la distancia entre ellos (bien en
trminos fsicos (km) o en funcin de otras variables que representen distancia
econmica). En este modelo, tendramos:
Flujo ij
Re nta i Re nta j
d
2
ij
y
Elasticida d y / x 2
y
y
2 * x
y
x
2 * x
log(y) 2 * log( x)
Ver Wooldrigge, 2009: Introduccin a la Econometra: un enfoque moderno. Ed. Paraninfo Pg. 765770 con mayor detalle sobre el efecto de las transformaciones logartmicas.
Especificacin
Expresin
Nivel-Nivel
yi 1 2 x2i ui
Log-nivel
log( yi ) 1 2 x2i ui
Nivel-log
yi 1 2 log( x2i ) ui
Log-Log
Interpretacin de 2
Incremento de unidades en y
cuando aumenta 1 unidad la
X (ambas en sus unidades de
medida originales)
2 *100 =
incremento
porcentual de y cuando
aumenta una unidad la X
2 / 100 =incremento en
unidades de y cuando
aumenta un 1% la X
Incremento porcentual de y
cuando aumenta un 1% la X
Relacin Nivel-Nivel:
Fertilidad total (en nmero de hijos) y Esperanza de vida (en aos)
Fuente: GapMinder.com
Alternativamente, los modelos log-log, son incompatibles con la idea previa y sugieren
modelos de elasticidades constantes; en estos modelos, se presupone que un
cambio porcentual en la X genera siempre un cambio porcentual constante en la y.
El cambio en niveles no ser, por tanto, independiente del nivel de partida sino que, al
ser porcentual, ser mayor cuanto mayores sean los niveles de comparacin previos. El
grfico siguiente ilustra un ejemplo del modelo log-log entre renta per-cpita (x) y el
consumo de energa elctrica (y). El hecho de que la linealidad se verifique
utilizando logaritmos (log-log) indica que es constante el incremento porcentual que
se produce en el consumo de energa ante variaciones porcentuales en la renta.
Dicho de otro modo, un incremento en la renta de un 1% genera siempre el mismo
incremento porcentual en el consumo de energa. Si el coeficiente de la regresin
fuera, por ejemplo, igual a 1 (elasticidad renta/electricidad = 1) esto significara que
en un pas pobre (4.000 $) y con bajo consumo (1.000 Kw/h) un incremento de un 1%
en la renta (40$) genera un incremento porcentual semejante en el consumo (1% de
1.000 = 10 Kw/h). Esa misma elasticidad se mantiene constante para niveles ms
altos de renta lo que significa que los cambios en renta y consumo son mucho
mayores: por ejemplo en un pas rico (30.000 $) con consumo ya elevado (9.000 Kw/h)
un incremento de un 1% en la renta significara 300 $ ms (no 40 $) y el incremento de
consumo de electricidad que esto implicara sera de 90 Kw/h, y no de 10 Kw/h. O
dicho de otro modo: que elevar un 1% la renta implica un mayor incremento del
consumo de energa elctrica (en Kw) segn la renta de los pases es ms alta.
Relacin Log-Log:
Consumo de energa elctrica (en logaritmos) en funcin de la Renta per cpita (en
logaritmos)
Fuente: GapMinder.com
Los modelos mixtos, Log Nivel o Nivel Log tienes interpretaciones sencillas en
trminos similares a los ejemplificados previamente. Por ejemplo, el grfico Nivel-Log
siguiente, ilustra que ES CONSTANTE la mejora en la esperanza de vida, medida en
aos, para un incremento PORCENTUAL en la renta per cpita (medida en
logaritmos). Esto significa que la mejora de la esperanza de vida en un ao requiere un
esfuerzo RELATIVO de incremento de la renta IGUAL para todos los pases: los pases
ms pobres deben crecer porcentualmente lo mismo respecto a su nivel previo que los
ricos PARA MEJORRA UN AO su esperanza de vida. Visto desde una perspectiva
diferente, el incremento de renta en dlares necesario para seguir mejorando la
esperanza de vida en los pases ricos es mucho mayor que el incremento en dlares
requerido en un pas menos desarrollado. Algo similar sucede con el segundo grfico:
la mejora en la esperanza de vida (en aos) requiere un incremento porcentual
constante en el gasto sanitario (o sea, un incremento del gasto tanto mayor cuanto
mayor sea la cuanta ya gastada previamente).
Relacin Nivel-Log:
Esperanza de vida (en aos) en funcin de la Renta per cpita (en logaritmos)
Fuente: GapMinder.com
Relacin Nivel-Log:
Esperanza de vida (en aos) en funcin del Gasto Sanitario (en logaritmos)
Fuente: GapMinder.com
Por ltimo, el grfico siguiente, ilustra una relacin log-nivel entre la renta per cpita
(en logaritmos) y los aos de escolarizacin (en aos). La relacin grfica sugiere que el
incremento en los aos de escolarizacin medios genera incrementos de renta
relativos constantes (respecto al nivel previo) o, visto desde el otro punto de vista, que
un ao ms de escolarizacin genera un incremento en dlares cada vez ms grande
cuanto mayor es el nivel de renta ya alcanzado.
Relacin Log-Nivel:
Renta per cpita (en logaritmos) en funcin de la escolarizacin (en aos)
Fuente: GapMinder.com
III.- Interpretacin del trmino constante
En un modelo economtrico es siempre recomendable incluir un trmino constante
tanto para lograr un mejor ajuste en la curva de regresin estimada como para
obtener una mejor interpretabilidad de indicadores de ajuste como, por ejemplo, la R
cuadrado.
Matemticamente, la inclusin del trmino constante nos permite que el origen de la
curva de ajuste no parta necesariamente del punto (0,0) en los ejes de coordenadas, lo
que casi siempre dar lugar a un mejor ajuste.
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
salarioi 1 2 sexoi ui
Donde explicamos el salario en funcin de la variable sexo, una variable dicotmica
con valor cero para los hombres y uno para las mujeres. En ese caso, el salario
estimado para hombres y mujeres sera:
si 1 2 (1) 1 2
si 1 2 (0) 1
Es decir, el parmetro estimado 2 representara el salario diferencial de los hombres
respecto a las mujeres. Dado que el modelo se verifica en medias, esto significa que la
estimacin de 1 representara el salario muestral medio de las mujeres y la suma 1+
2 debe coincidir con el salario muestral medio de los hombres.
Para un hombre:
sh 1 2 (1) 3 ( Edad )
sh sm 1 2 3 ( Edad ) 1 3 ( Edad ) 2
Es decir, nuevamente, el parmetro estimado 2 representa el salario diferencial de un
hombre respecto a una mujer (para un mismo valor del resto de variables). En este
caso, sin embargo, debe tenerse la precaucin de NO INTERPRETAR la estimacin de 1
como el salario medio de las mujeres o la suma 1+ 2 como el salario muestral
medio de los hombres. Para obtener el salario medio muestral de hombres y/o
mujeres debemos tener en cuenta tambin el parmetro estimado 3 y los valores
medios de edad para hombres y mujeres.
Supongamos ahora que tenemos dos variables dicotmicas, por ejemplo el sexo y la,
jornada (con valor cero para jornada a tiempo parcial y uno para jornada a tiempo
completo).
En este modelo, todas las variables pueden tomar valor cero y todos los parmetros
tienen un significado exacto y fcilmente interpretable:
Sexo \ Tipo jornada
Hombre
Tiempo parcial
salarioi 1
Tiempo completo
salarioi 1 3
Mujer
salarioi 1 2
salarioi 1 2 3
En definitiva, el salario del hombre con contrato a tiempo parcial se puede asociar
directamente con el valor del parmetro constante y, adems, se convierte en el valor
de referencia sobre el que se puede comparar con el resto de los casos. El parmetro
estimado 2 es la diferencia en el salario entre la mujer con contrato parcial y el
hombre con contrato del mismo tipo, etc.
Tal y como se ha planteado este modelo, se est suponiendo que las diferencias entre
hombres a tiempo parcial y completo son las mismas que entre las mujeres a tiempo
parcial y completo. En este tipo de modelos, para contrastar si estas diferencias no son
las mismas, se suele incluir una variable explicativa ms que recibe el nombre de
interaccin y que se especificara del siguiente modo:
Tiempo parcial
salarioi 1
Tiempo completo
salarioi 1 3
Mujer
salarioi 1 2
salarioi 1 2 3 4