Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Mnimos Cuadrados
Ordinarios en
Argentina
Santiago Hermo
ndice
Punto 1. Estimacin del modelo de retorno a la educacin para Argentina ........................... 2
1.1) Interpretacin de los parmetros ...................................................................................... 2
1.2) Test t de significatividad individual .................................................................................... 3
1.3) 2 y 2 .............................................................................................................................. 3
1.4) Test F de significatividad global......................................................................................... 4
1.5) Test de White de heterocedasticidad (sin trminos cruzados)......................................... 5
1.6) Test Jarque-Bera de normalidad de los residuos ............................................................. 6
1.7) Conclusin y confiabilidad de la regresin ....................................................................... 7
Punto 2. Estimacin de la curva de Philips para Argentina entre 1993-2012 .......................... 8
2.1)Interpretacin de los parmetros ...................................................................................... 8
2.2)Test t de significatividad individual .................................................................................... 9
2.3) 2 y 2 .............................................................................................................................. 9
2.4)Test F de significatividad global ....................................................................................... 10
2.5) Test de White de heterocedasticidad (sin trminos cruzados) ....................................... 10
2.6) Test Jarque-Bera de normalidad de los residuos ........................................................... 11
2.7) Test de Durbin-Watson de autocorrelacin ................................................................... 11
2.8) Conclusin y confiabilidad de la regresin ..................................................................... 13
Bibliografa Consultada ..................................................................................................... 14
2 = 0,08688
3 = 0,04067
4 = 0,00058
Ser til a lo largo del anlisis recordar que el tamao de muestra resulta ser = 88 con = 4
variables explicativas (considerando el intercepto).
ln
= =
2 : Al variar en un ao la educacin el cambio porcentual o tasa de crecimiento de Y es de 0,08688
8,688 %.
3 : Al variar en un ao la experiencia el cambio porcentual o tasa de crecimiento de Y es de 0,04067
4,067 %.
4 : Refleja que el aumento de la experiencia cada vez aporta menos al ingreso. Al variar en un ao
la experiencia el cambio porcentual negativo o tasa de decrecimiento de Y es de 0,00058 0,058 %.
1
2
1 : 0
:error estndar
0,33505
0,02153
0,01527
0,00029
| | : valor absoluto t
20,20157
4,03453
2,66245
1,99464
P-Value
0,00012
0,00929
0,04932
Se rechaza 0 ?
SI
SI
SI
SI
1.3) y
El coeficiente de determinacin nos muestra la bondad del ajuste, se calcula utilizando
variaciones.
2
Variacin Total o Suma de Cuadrados Total (SCT):
=1( )
2
Variacin Explicada o Suma de Cuadrados Explicada (SCE):
=1( )
2
Variacin No Explicada o Suma de Cuadrados Residual (SCR):
=1( )
2 =
= 1
Con los datos provistos la regresin arroj un valor 2 = 0,22517. Este valor resulta ser algo bajo.
Sin embargo, existen varios problemas con el 2, y este slo se usa de manera informal.3 Se
acostumbra a utilizar el coeficiente de determinacin ajustado, 2. ste toma en cuenta el peso de
la cantidad de variables explicativas y el tamao de la muestra.
De todos modos podemos anticipar que el 2 ser como mximo igual al 2 y probablemente menor
(esto se puede analizar comparando las frmulas de ambos coeficientes). As que el coeficiente de
determinacin (ajustado o no) continuar generando incentivos a considerar al modelo poco
explicativo.
2 toma varianzas en lugar de variaciones.
2
()
=1 ( ) ( )
( 1)
2
= 1
=1
=1
2
()
=1( ) ( 1)
( )
1 : Algn 0
3
4
( 1)
2 ( 1)
=
(1;)
( ) (1 2 )( )
( 3)2
[ 2 +
] 2 2
6
4
3
3
Donde = [
=1( ) ] es el coeficiente de asimetra o sesgo igual a cero en la
4
4
distribucin normal-, y = [
=1( ) ] representa la kurtosis igual a tres en el caso
de normalidad-.
El estadstico de JB tiene una distribucin chi-cuadrada con 2 grados de libertad. Por lo que,
considerando = 5% , el valor crtico resulta = 5,99. Calculando el estadstico con el vector de
discrepancias del modelo obtenemos = 0,23.
En vistas de que < no podemos rechazar la hiptesis nula de normalidad, por lo que este
supuesto parece muy razonable.
Observemos el siguiente grfico de probabilidad normal obtenido con la funcin qqnorm() de R.
Recordemos que, en este grfico, una distribucin completamente normal se reproduce en una
recta, como se puede estudiar en cualquier libro de estadstica. Se observa claramente que la
normalidad no es violada en absoluto. El grfico se aproxima bastante a una funcin lineal.
2 = 1,99917
3 = 34,5626
Ser til recordar que la cantidad de observaciones provistas es de N=20 y con k=3 variables
explicativas (incluyendo el intercepto).
Blanchard y Prez Enri (2000), Macroeconoma. Teora y Poltica Econmica con Aplicaciones a Amrica
Latina Captulo 17. Pgina 163.
Tener en cuenta que, dado que las unidades de medida son porcentajes, los estimadores se
interpretan porcentualmente. Esto NO indica en absoluto que se trate de elasticidades.
Y, por ltimo, el estimador 3 representa el aumento del intercepto en el ao 2002 (ya que es el
nico ao que toma valor 1 de toda la serie de datos). Trata de expresar que en el ao 2002 la
regresin se encuentra desfasada de la original. Se puede demostrar que, al tomar la esperanza del
modelo, 3 aumenta el intercepto cuando la dummy toma el valor 1.6 En el caso en estudio, nos
indica que en el ao 2002 la inflacin se ve aumentada en 34,5626, ya que dado el alto desempleo
la inflacin tendra que ser muy baja, lo cual no sucedi; la inflacin se dispar debido a la
devaluacin, pero el desempleo continu siendo alto. Aqu es donde la dummy aporta poder
explicativo.
1 : 0
:error estndar
3,76212
0,27574
5,84987
| | : valor absoluto t
9,61897
7,25006
5,90827
P-Value
2,7278*10-8
1,3572*10-6
1,719*10-5
Se rechaza 0 ?
SI
SI
SI
En este caso los tres coeficientes resultan ampliamente significativos. Tenemos la primera evidencia
en favor de la regresin realizada.
2.3) y
En el apartado 1.3) explicamos porqu estos estadsticos se usan de manera informal y no son
considerados trascendentes como estadstico. Sin embargo, un 2 ms alto generalmente es
preferido. Este es el caso.
Los coeficientes para la regresin en estudio son:
2 = 0,7578
2 = 0,7833
1 : Algn 0
23
Anlogamente, el valor crtico del test de White con = 5% extrado de una distribucin ji
cuadrada con, ahora, 3 grados de libertad ser = 7,815.
El coeficiente de determinacin de la regresin auxiliar dio 2 = 0,093965. Recordando que
el nmero de observaciones es N=20, el valor emprico del test de White ser = 20 0,094 =
1,879 .
Dado que < no podemos rechazar la hiptesis nula. Por lo que la evidencia indica que
suponer homocedasticidad es vlido.
10
Los residuos parecen presentar una asimetra a la derecha, lo cual es consistente con el
coeficiente de asimetra calculado = 0,52. Sin embargo, esta no resulta lo suficientemente
marcada como para provocar el rechazo la hiptesis nula de normalidad.
=2( 1 )2
= 2 (1 )
=1 2
Como se estudi en clase, este estadstico no sigue una distribucin conocida, sin embargo DurbinWatson han estimado valores crticos en una tabla, la cual que se reproducen en Gujarati.7 All
fuimos con el objetivo de extraer los valores crticos Durbin-Watson con N=19 observaciones
(perdimos una al contrastar los residuos consigo mismos rezagados) y k=2 regresoras
= 1,536
4 = 2,464
4 = 2,926
Dado que = 1,536 < = 2,146 < 4 = 2,464, no rechazamos 0 . Concluimos que
no existe autocorrelacin. Para ver esto ms claramente podemos despejar de la ecuacin:
2,14637 = 2 (1 )
= 0,073
Este valor es muy cercano a cero y, confirma lo que ya nos haba indicado el test, la ausencia de
autocorrelacin significativa.
7
8
12
13
Bibliografa Consultada
Juan Jos Merlo (2009): Tesis de Magster. Retornos a la educacin durante una depresin
econmica. Evidencia Emprica para la Argentina.
14