Supuestos detrs del mtodo de mnimos cuadrados

El modelo de Gauss, modelo clsico de regresin lineal

(MCRL), el cual es el cimiento de la teora economtrica
plantea 10 supuestos.
Supuesto 1: Modelo de regresin lineal. El modelo de
regresin es lineal en los parmetros
Y i= 1 + 2 X i + i
Ya que analizamos anteriormente el modelo
1

. Puesto que

los modelos de regresin lineal en parmetros son el punto de

partida del MCRL. Debemos saber que la variable dependiente
Y y el regresor X pueden no ser lineales en s mismos.
Supuesto 2: Los valores de X son fijos en muestreo
repetido. Los valores que toma el regresor X son considerados
fijos en muestreo repetido. Mas tcnicamente, X se supone no
estocstica

Esto lo podemos explicar mediante un ejemplo donde

tenemos: El ingreso familiar Semanal,X

Donde los datos de la tabla se refieren a la poblacin total de

60 familias de una comunidad, as como a su ingreso semanal
(X) y a su gasto de consumo semanal (Y). Las 60 familias se
dividen en 10 grupos de ingresos (de 80$ a 260$). Se tienen
10 valores fijos de X y los correspondientes valores Y para
cada uno de los valores X
Lo que todo esto significa es que el anlisis de regresin es un
anlisis de regresin condicional, esto es, condicionado a
los valores dados del regresor X
Supuesto 3: El valor medio de la perturbacin ui es igual
a cero. Dado el valor de X, la media. O el valor esperado del
trmino aleatorio de perturbacin ui es cero. Tcnicamente. El
valor de la media condicional de ui es cero. Simblicamente, se
tiene:
E ( ui|x i )=0
En la siguiente grafica puede observarse que cada poblacin Y
correspondiente a un X dado esta distribuida alrededor de su
media con algunos valores de Y por encima y por debajo de
esta. Las distancias por encima y por debajo de los valores
medios no son otra cosa que los ui , y lo que requiere es que el
promedio o el valor medio de estas desviaciones
correspondientes a cualquiera dado deban ser cero.

Supuesto 4: Homoscedasticidad o igual varianza de ui.

Dado el valor de X, la varianza de ui es la misma para todas las
observaciones. Esto es, las varianzas condicionales de ui son
idnticas. Simblicamente se tiene que:
var ( i| X i )=E ( iE ( i )|X i)

E ( 2i |X i ) por supuesto 3
La ecuacion establece que la varianza de ui , para cada Xi es
algn numero positivo constante igual a 2 . Tecnicamente
representa el supuesto de homoscedasticidad, o igual
dispersin, o igual varianza.
Significa que las poblaciones Y correspondientes a diversos
valores de X tienen la misma varianza. De manera sencilla, la
variacin alrededor de la regresin es la misma para los
valores de X, ni aumenta ni disminuye conforme X varia.

Supuesto 5: No existe auto correlacin entre las

perturbaciones. Dados dos valores cualesquiera de X, Xi y Xj
(ij), la correlacin entre dos ui y uj cualquiera (ij) es cero.
Simblicamente
cov ( i , j|X i , X j ) =E { [ iE ( i ) ]| X i } { jE ( j )|X j }
E ( i|X i ) ( j| X j )