ECONOMETRA I.

Clase 2 Pgina 1
ESTIMACIN MCO (Contina el repaso)
Estimaciones sobre la ecuacin transformada en desviaciones a la media
Cuando la informacin muestral nos la dan sobre la suma de productos de las variables en
desviaciones a la media, se obtienen las mismas estimaciones tomando como referencia la
ecuacin transformada en variables a la media.
Supongamos un modelo Yt = 1 + 2X2t + 3X3t + ut
Su equivalente transformado en desviaciones a la media es:
2 2t 2 3 3t 3
Yt-Y= (X -X)+(X -X)+(Ut-U)
Suma de productos en desviaciones respecto a la media
Y X2 X3
Y 10 7 9
X2 5,2 6,8
X3 9,2
El mtodo de estimacin sobre la ecuacin transformada en desviaciones a la media slo
sirve si en la ecuacin original hay un parmetro constante (en el ejemplo anterior 1).
Vamos a obtener el desarrollo terico con los datos de la tabla anterior que corresponden
al ejercicio 1 de la clase 1.
t
n x 1
Y = Y - Y

2t 2 3t 3
(X - X ) (X - X )
X =
_


,

2t 2 t
3t 3 t
(X - X ) (Y - Y) =7
X' Y =
(X - X ) (Y - Y) =9
_

,

2
2t 2 2t 2 3t 3
2
2t 2 3t 3 3t 3
(X - X ) = 5,2 (X - X )(X - X ) = 6,8
XX' =
(X - X )(X - X ) =6,8 (X - X ) =9,2
_


,


-1
=(X'X) X'Y

=
2
3
= 2 9,2 -6,8 7
1
=
1,6 -6,8 5,2 9
=-0,5

_
_ _



, ,
,

Debemos recuperar el parmetro
1 2 2 3 3
= Y - X - X =3- 212/5 +0,513/5 = -0,5

Es decir,
2t 3t
Yt = -0,5 + 2X - 0,5X

que es el mismo resultado que obtuvimos por la

estimacin MCO sin desviaciones en la clase anterior.
ESTIMACIN MCO EN EL MODELO SIMPLE
Cuando el modelo es de la forma Yt = 1 + 2X2t + ut podemos estimar los valores de los
parmetros haciendo:
2t 2 t 2
2 1 2 2
2 2
2 2t 2
1/n (X - X )(Y - Y) SX Y
= = =Y- X
S X 1/n (X - X )

2
(Yt - Y)
2t 2
(Yt - Y) (X - X )

ECONOMETRA I. Clase 2 Pgina 2

OTROS CLCULOS
1. Medida de la bondad del ajuste: coeficiente de determinacin R
2
R
2
mide el porcentaje de variacin de Y que se explica por la dependencia de Y respecto a
las X en la ecuacin estimada.
2
2 t t
2
t
(Y - Y) SCR
R =1- =1-
SCT (Y - Y)

Vamos a retomar el ejercicio para hallar el coeficiente de determinacin.

Yt X2t X3t
t
Y

= -0,5 + 2X2t 0,5 X3t

t t t
e =(Y - Y )

2
t
e
2
t
(Y - Y)
1 1 1
1
Y =-0,5 +21- 0,51=1

e1 = 1-1 = 0 0 4
2 2 2
2
Y =-0,5 + 22 - 0,52 = 2,5

e2 = 2-2,5 =
-0,5
0,25 1
3 2 2
3
Y =-0,5 + 22 - 0,52 = 2,5

e3 = 3-2,5 = 0,5 0,25 0

4 3 3
4
Y =-0,5 +32 - 0,53 = 4

e4 = 4-4 = 0 0 1
5 4 5
5
Y = -0,5 + 42 - 0,55 =5

e5 = 4-4 = 0 0 4
2
t
e = 0,5

2
t
(Y - Y) =10

2
2 t t
2
t
(Y - Y ) SCR 0,5
R =1- =1- =1-
SCT 10
(Y - Y)

= 0,95. El 95% de la variacin de Y es explicado por

el ajuste.
2. Contrastes de significatividad.
Si una vez obtenida la estimacin de los parmetros se desea saber si son relevantes
(significativos) en la explicacin de la variable endgena se pueden realizar contrastes del
tipo:
H0: 2 = 0 Si se acepta la hiptesis, X2 no es significativa en la explicacin de Y.
Para realizar el contraste se emplea el estadstico
2
2
2
2 2 2
2
- - 0
= =
S( )

t
S( )
=
S( )

, donde
2
S( )

es la desviacin tpica del estimador =

2
Var ( )
Si t > VC
2 ( )
rechazamos H
0
y tenemos significatividad individual. X
2
es relevante
en la explicacin de Y)
Si t < VC
2 ( )
aceptamos H
0
, es decir, aceptamos que X
2
no es significativa en la
explicacin de Y.
Para obtener el denominador se siguen los siguientes pasos:
1 Se estima la varianza de V
2
2 t
V
e
=
n-k

En el ejemplo que estamos siguiendo sera

2
V
0,5
= = 0,25
5-3

2 Se obtiene la matriz de varianzas y covarianzas de los estimadores. Es una matriz de

kxk que contiene lo que su nombre indica y se obtiene de la expresin:
k = nmero de parmetros = 3 (
1
,
2
,
3)
n = n de observaciones = 5
ECONOMETRA I. Clase 2 Pgina 3

2
V
-1
(X'X) =

1
2
1 2 1 3
2 3
3
Var ( ) Cov( ) Cov( )
Cov( V
Var ( )
) ar ( )
_




,
Comprobamos la significatividad individual de X2 en el ejercicio que estamos siguiendo.
2 2
2
b -
t =
D(b )

2
2
b - 0
t =
D(b )


2
2
Var (
b - 0
t

=
)
H
0
:
2
= 0 H
1
:
2
0

2
V
-1
(X'X) = 0,25
18 14
1
46
8
1
-22
-22 -34
-34 4 26
_



,


2
Var ( ) = 0,25 46/8 = 1,4375;
2
S( )

= 1,199
Como t < 2 aceptamos que X2 no es significativa en la explicacin de Y
FUNDAMENTOS DE LA TEORA ECONOMTRICA
La aplicacin de los MCO para estimar los parmetros se fundamenta en que si la
ecuacin cumple ciertas condiciones, los MCO tienen las propiedades convenientes (son
los ptimos). La teora economtrica analiza cules son esas condiciones y las
consecuencias de su incumplimiento.
Propiedades de los MCO.
1. Insesgadez. E =

1
]
. La esperanza matemtica del estimador es igual al parmetro.
Para que los MCO sean insesgados deben cumplirse dos condiciones:
a) E[Ut] = 0
b) Los regresores no deben estar relacionados con la perturbacin aleatoria
En los modelos de ecuaciones simultneas habr regresores relacionados con Ut por lo
que los MCO son sesgados en ese contexto.
2. Consistencia.
Plim =.
n

Un estimador es consistente cuando al utilizarlo con toda la

informacin poblacional sobre las variables da como resultado el parmetro objeto de
clculo. Los MCO son consistentes si los regresores estn NO correlacionados con la
perturbacin.
it t MCO
it t MCO
Cov (X , U ) 0 Plim
Cov (X , U ) =0 Plim =


3. Eficiencia. Un estimador es eficiente cuando tiene varianza mnima. Si adems es
insesgado, la eficiencia supone que es el ptimo (ELIO).
2
1 1 1
Var ( ) =E ( -E[ ])

1
]
Es una medida del error cometido en la estimacin del parmetro. Los estimadores MCO
son los de menor varianza entre los lineales e insesgados si en la ecuacin se dan tres
condiciones:
a) E[Ut] = 0
b) Var (Ut) =
2 2
t n
E U = = constante
1
]
Homoscedasticidad
c) Covarianzas (Ut, Ut-1) =
'
t t
E U U
1
]
No autocorrelacin
FIN DEL RECORDATORIO DE INTRODUCCIN A LA ECONOMETRA