Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Casas Econometria Moderna31
Casas Econometria Moderna31
Francis Galton, Family Likeness in Stature, Proceedings of Royal Society, Londres,vol, 40, 1886, pp. 42-72.
Econometra Moderna
(1.1)
El coeficiente de correlacin entre dos variables aleatorias expresa el grado de dependencia entre el comportamiento
de dichas variables. Formalmente: = Cov (Y , X )
( x )( y )
Se debe resaltar que las variables explicativas pueden ser de naturaleza estocstica, pero por simplicidad para el
anlisis de regresin se asume que los valores de X no cambian en diversas muestras, es decir son fijos en el muestreo
repetido. De hecho este supuesto deber imponerse al momento de querer obtener estimados de los verdaderos
parmetros. El problema asociado a la presencia de regresores (variables exgenas) estocsticos, ser abordado en
otro captulo.
4
Se puede expresar matemticamente de la siguiente manera: 3(un u+1) = (Q+1 Q f ) , donde un y Qf indican que el
producto est en pleno empleo y por tanto la tasa de desempleo (u) es la natural.
5
Son las funciones de probabilidad generadas por el comportamiento aleatorio conjunto de dos o ms variables y se
utilizan en el estudio de las relaciones existentes entre stas.
10
Econometra Moderna
(1.2)
(1.3)
Un punto importante que debe notarse es que la estructura de la relacin entre la variable
explicada y las variables explicativas se supone que es lineal lo cual puede ser un aproximacin
muy gruesa de la realidad porque de hecho muchos eventos o fenmenos que se pretenden
explicar son de naturaleza no lineal. En todo caso el modelo de regresin lineal puede pensarse
como una aproximacin lineal de Taylor de un problema no lineal.
1.1.3
Definiciones Bsicas
Una vez que hemos entendido el concepto de regresin como la modelacin de la media
condicional de una distribucin de probabilidades es deseable realizar algunas definiciones
bsicas que vamos a utilizar a lo largo del libro.
El modelo de regresin lo podemos plantear de manera general de la siguiente forma:
6
11
Econometra Moderna
y t = 1 + 2 x 2t + 3 x3t + ............. + k x kt + t
La variable Y que es aquella que condicionamos a los valores que adopte las dems variables
(X) recibe indistintamente le nombre de variable explicada, endgena o dependiente. Las
variables a la derecha del modelo reciben el nombre de variables explicativas, exgenas o
independientes. Como vemos el modelo es un modelo lineal el cual supone que los efectos de
cada una de las variables explicativas se pueden agrupar de manera separada y el efecto
conjunto se da de manera aditiva. El plantear el modelo de esta manera nos permite decir que lo
que estamos haciendo es separar a la variable explicada en dos conjuntos:
1 + 2 x 2t + 3 x3t + ............. + k x kt
Esta es la parte que es sugerida por el investigador y establece una relacin sistemtica
y de dependencia entre la variable explicada y las variables explicativas. Dado el
concepto de media condicional de la regresin, la parte sistemtica representa lo que en
promedio se dar cuando los valores de las X estn dados. Esta ser la parte explicada
por nuestro modelo de los valores de Y. Otra forma de apreciar esta parte es que
representa lo que nosotros podremos predecir con nuestro modelo. Dado el carcter de
media condicional, la prediccin ser aquel valor que esperamos tenga nuestra variable
dependiente con mayor probabilidad.
Otro concepto que debemos utilizar es el referido al tipo de datos que podemos encontrar en la
realizacin de trabajos empricos. Los datos pueden clasificarse de la siguiente manera:
Datos de Series de Tiempo: En este caso podemos pensar que el individuo sobre el cual
se mide la variable es el mismo y se observa ste a lo largo del tiempo. Un ejmplo
podra ser el individuo PERU para el cual se miden a lo largo del tiempo los valores del
producto bruto interno.
Datos de Corte Transversal: En este caso lo fijo es la unidad de tiempo y lo que varan
son los individuos. Un ejemplo de esto son las encuestas que se hacen en un momento
determinado del tiempo. En el Per tenemos varios casos de encuestas realizadas como
la Encuesta Nacional de Niveles de Vida (ENNIV) que sirve para analizar la calidad de
12
Econometra Moderna
Datos Longitudinales: Esta tercera categora es una combinacin de las dos anteriores.
Podramos pensar en encuestas o mediciones que se hacen a distintos individuos en
diferentes perodos de tiempo. Esto implica construir un panel de datos cuya realizacin
es costosa porque implica hacer un seguimiento a los individuos a fin de poder ubicarlos
para realizar la recoleccin de la informacin a lo largo del tiempo. En el Per son
pocos los casos en donde se han construido estos paneles de datos. Sin embargo,
empresas privadas han invertido en la construccin de estos paneles dado que proveen
muy buena informacin acerca de cambios en los patrones de consumo e ingresos de las
personas.
Una vez realizada esta definicin de conceptos bsicos es de suma utilidad iniciar el estudio
de los mtodos y formas que se encuentran disponibles para la obtencin de los parmetros de
los modelos que pretendamos estimar.
modelo
terico
Y = X + e
(1.4)
modelo
emprico
En este caso hemos optado por expresar el modelo de manera general donde X es una matriz
que contiene todos los datos de las variables explicativas. Denotaremos al nmero de variables
explicativas como k y tendremos n datos. Por lo tanto, el orden de la matriz X ser nxk. es
un vector columna que contiene a los k parmetros del modelo. De manera similar el orden del
vector Y y del vector de errores (sean tericos o empricos) ser de nx1 y .Como se puede
apreciar, en el modelo emprico se ha reemplazado al parmetro verdadero y desconocido ( )
8
Esto implica que para otra muestra (la cual puede variar debido al mtodo de muestreo) puedo obtener distintos
estimados de los parmetros a pesar de que el estimador (funcin donde se reemplazan los datos) sea el mismo para
todas las muestras posibles.
13
Econometra Moderna
por su estimador ( ). De igual manera ocurre con los errores tericos ( ) y los errores
empricos (e). Si bien son dos las magnitudes desconocidas en este modelo (los parmetros y
los errores) debe notarse que una vez que obtenemos los estimados de los parmetros quedan
determinados los errores empricos. Por ello, el nfasis estar centrado en la estimacin de los
parmetros.
La estimacin de los parmetros se deriva de un problema de prediccin condicional. En
dicho problema se observa la realizacin de un vector aleatorio X y se desea predecir la
realizacin de una variable aleatoria Y.
En este punto debemos introducir el concepto de funcin de prdida, la cual recibe este
nombre debido a que la presencia de un estimador implica que existe un predictor que trata de
explicar o aproximarse lo ms posible al verdadero valor de Y. As, el planteamiento de una
funcin de prdida tiene como objetivo lograr que el modelo sujeto a estimacin se parezca lo
ms posible a lo observado en la realidad. En consecuencia, el mejor predictor ser aqul que
minimice la prdida esperada de una funcin de prdida especfica. Dicho predictor resuelve un
problema de minimizacin de la siguiente forma:
Min E [L (Y - P) / X]
P
(1.5)
Observado Estimado
Siendo la funcin de prdida L, P denota un predictor de Y y E (L (Y P) / X ) es la prdida
esperada, condicional en X, cuando P es usado para predecir Y. Esta funcin debe satisfacer la
siguiente condicin:
0<u<v
0=L(0)L(u) L(v)
(1.6)
(1.7)
Econometra Moderna
L (u) u2
(1.8)
(1.9)
iii) Prdida discreta: Dada una constante positiva , la funcin de prdida discreta sera:
L( * , )
L ( u ) 0 si u <
L ( u ) 1 si u
(1.10)
(1.11)
En este caso, el mejor predictor es el punto medio del intervalo de longitud 2 que tiene la
ms alta probabilidad de contener a Y. En la medida en que se aproxime a cero, el mejor
predictor se aproximar a la moda de Y condicional en X.
En general, la media, la mediana y la moda de la regresin de Y en X difieren entre s. La
media como regresin puede ser lineal en X mientras que la mediana puede no serlo, o ambas
pueden ser lineales pero con diferentes pendientes. Por otro lado, puede ser posible que una
regresin aumente con X mientras la otra decrezca, o viceversa .
En el problema de prediccin descrito, la funcin de prdida escogida determina la regresin
sujeta a anlisis. Dicha funcin debe reflejar las prdidas asociadas al error de prediccin, en
otras palabras, debe reflejar cun cerca estn las predicciones del modelo con respecto a las
observaciones reales. En ello radica la importancia de escoger una adecuada funcin de prdida
aunque dicha necesidad disminuye slo si uno cuenta con alguna informacin acerca de la
distribucin, lo que implica que distintos predictores se comporten similarmente.
1.2
El lector interesado puede revisar el trabajo de Pagan y Ullah (1999) Nonparametric Econometrics Cambridge
University Press.
15
Econometra Moderna
Min
e = (y
2
i
x i ) 2
(1.12)
i =1
1.3
Cuando se define la regresin como la media condicional de Y dado los valores de las
observaciones de X, de hecho podemos representar geomtricamente este concepto a travs de
una lnea o curva de regresin.
De este modo, una curva de regresin llamada poblacional, es aquella que muestra el lugar
geomtrico de las medias condicionales o esperanzas de la variable endgena para los valores
fijos de la(s) variable(s) exgena(s). Esto se puede apreciar en la siguiente figura:
10
Debe tenerse en cuenta que la minimizacin de la norma de un vector implica la minizacin de la raz cuadrada de
la sumatoria de cada uno de los elementos del vector elevados al cuadrado.
16
Econometra Moderna
Figura 1.1
Lnea de regresin poblacional
La figura muestra cmo para cada X existen valores poblacionales de Y, y una media
condicional correspondiente. Precisamente, la lnea o curva de regresin pasa por las medias
condicionales de la variable Y, y denota alguna funcin de la variable dependiente X. As, se
define formalmente la regresin como:
E(Y/X ) = f (Xi)
(1.13)
y, en el modelo de regresin lineal simple (donde slo se incluye una variable explicativa) se
puede tener la siguiente funcin lineal de X:
E( Y/X ) = 0 + 1Xi
(1.14)
(1.15)
17
Econometra Moderna
(1.16)
i=1,2, ... , n
(1.17)
(1.18)
La ecuacin muestra las estimaciones de los coeficientes de regresin. Esta funcin es una
aproximacin a la ecuacin de regresin poblacional, por eso se dice, en algunos casos, que Yi
sobreestima o subestima la verdadera E(Y/X). Es decir, el valor estimado de Y puede hallarse
sobre la lnea de regresin poblacional y como consecuencia presentar un error positivo o el
valor estimado de Y puede encontrarse bajo la lnea de regresin poblacional, y por lo tanto
presentar un error negativo. En este sentido, lo importante en el anlisis de regresin consiste en
disear una regla o mtodo que consiga que dicha aproximacin se acerque lo ms posible a los
verdaderos valores de los parmetros, an cuando nunca se llegue a conocerlos.
El siguiente captulo se ocupar de abordar dicho problema empezando con el anlisis de un
modelo de regresin lineal simple. Sin embargo, es importante advertir que en los procesos
econmicos, por lo general, se precisa de ms de una causa para explicar de forma adecuada el
comportamiento de una variable aleatoria, o bien se utilizan formas ms complicadas que la
lineal. A pesar de ello, es conveniente realizar una primera aproximacin analizando la
especificacin ms sencilla, de modo que luego se podr comprender con menor dificultad el
modelo de regresin lineal mltiple o general, cuyo estudio detallado ser materia del Captulo
3.
18
Econometra Moderna
Antes de proceder con la descripcin de los supuestos, cabe mencionar que el modelo clsico
de regresin lineal se atribuye al matemtico alemn Carl Friedrich Gauss, por quien tambin
recibe el nombre de Modelo de Gauss. Este matemtico plante diez supuestos, vlidos tanto
para el anlisis de regresin simple como para el modelo de regresin lineal mltiple, o de ms
de un regresor.
Primer supuesto: El modelo es estocstico
Esto se debe a la inclusin de un componente aleatorio en el modelo, expresado por el
trmino de error (i). La inclusin del trmino de error se debe a las siguientes razones:
Las respuestas humanas son impredecibles, puesto que las personas no tienen un patrn
preestablecido de preferencias, hbitos de consumo, etc.
Omisin de variables explicativas que deberan incluirse en el modelo. Pretender que las
variables independientes pueden explicar la estructura o predecir exactamente el
comportamiento de la variable dependiente es una ilusin, debido a que en la realidad
existen otros factores que afectan el comportamiento de la variable explicada que no son
incluidos en el modelo. En efecto, puede suceder que las variables explicativas sean muy
difciles de medir. Por ejemplo, consideremos un modelo donde se busca explicar la
demanda a travs de la utilidad que brinda el consumo de un determinado bien. De hecho, la
cuantificacin y medicin de la variable utilidad resulta una tarea bastante difcil debido al
carcter subjetivo de la misma. En este sentido, la falta de informacin muestral conducira
a una mala medicin o a la omisin de una variable relevante. Por otro lado, si dichas
variables pueden medirse pero su impacto sobre Y no es significativo, entonces no amerita
su inclusin.
Errores de medicin en la variable endgena (Y). Esto ocurre frecuentemente debido a que
las estimaciones de Y se realizan sobre la base de muestras finitas, adems de que dicha
variable puede no ajustarse a la teora econmica que el investigador desea contrastar. Por
ello, el investigador debe decidir con cuidado el papel que desempea cada variable, es
decir, debe definir adecuadamente las variables exgenas y la endgena.
Como ya se mencion existe una distincin entre el error terico o poblacional (i) y el error
de estimacin o emprico. El primero responde a la necesidad de introducir un elemento
aleatorio en el modelo por razones antes expuestas mientras que el error de estimacin se define
como la diferencia entre el estimado de la variable dependiente (X ) y la verdadera E (Y/X).
Segundo supuesto: La esperanza matemtica del trmino de error o perturbacin es cero.
Esto se expresa de la siguiente manera:
E(i) = 0
(1.19)
Este supuesto indica que el valor de la media condicional del trmino de error para cualquier
variable explicativa X dada, es idntico a cero. De este modo, este supuesto garantiza que las
19
Econometra Moderna
variables que no estn incluidas en el modelo (y que por tanto estn incorporadas en i), no
trasmiten ningn efecto sistemtico sobre la media condicional de Y dado X. En trminos ms
sencillos, los valores negativos de i se compensan con sus realizaciones positivas. Por ello, en
promedio no presentan ningn efecto sobre la variable dependiente del modelo. Aquellas
variables no incluidas en el modelo pero que afectan de manera sistemtica son recogidas por el
intercepto del modelo.
Tercer supuesto: La varianza del error es constante (el error es homocedstico).
Formalmente:
Var(i) = 2
i = 1,2,3,...,n
(1.20)
Figura 1.2
11
Evidentemente, cada trmino de error representa la realizacin de un proceso estocstico y lo que se asume a travs
de este supuesto es que las distribuciones de donde son extrados estos errores presentan igual dispersin.
20
Econometra Moderna
Como podemos apreciar, en el eje de la variable X suponemos que sus distintos valores estn
fijos lo que se refleja en las lneas discontinuas que parten de los valores x1 y x2 . Ante estos
valores fijos de la variable explicativa tenemos diversas posibilidades de que ocurran diversos
eventos lo que se refleja en todas la posibilidades de valores que puede tomar la variable
dependiente (y). Estas distintas posibilidades (y sus probabilidades respectivas) determinan la
funcin de distribucin de los errores.
Cuando no se verifica este supuesto, se dice que el trmino de perturbacin es
heterocedstico, es decir, posee una dispersin diferente para cada observacin. Formalmente:
Var(i) = i2
i = 1,2,3,..., n
(1.21)
El subndice i indica que la varianza del trmino de error no es constante ya que presenta un
valor distinto para cada observacin de X. En consecuencia, no todos los valores de Y, que
corresponden a distintos valores de X, sern de igual importancia y confianza como indicadores
de la posicin de la lnea de regresin. Se dicen que son confiables cuando poseen menor
dispersin, es decir, se mide la confiabilidad por la cercana con la cual se distribuyen los
valores de Y alrededor de sus medias, esto es, sobre la lnea de regresin poblacional. Si
analizamos con cuidado la expresin (1.12) notaremos que el error que se minimiza es la
diferencia entre el valor observado (Yi) y el estimado , de este modo se requiere que los valores
observados sean indicadores confiables de la posicin de la lnea de regresin poblacional, esto
es, E(Y/X).
Cuarto supuesto: Ausencia de autocorrelacin entre los errores.
Formalmente:
Cov(i, j) = 0 i j
(1.22)
Lo anterior implica que no existe autocorrelacin o correlacin serial entre los trminos de
error i y j, dadas las observaciones xi y xj. En este sentido, podemos definir el trmino
autocorrelacin como la correlacin entre miembros de series de observaciones ordenadas en el
tiempo (informacin de series de tiempo) o en el espacio (en informacin de corte tranversal).
En otras palabras, si disponemos de datos de series de tiempo, se dice que un error t para un
periodo de tiempo t, est correlacionado con los trminos de error t+1, t+2, .. y t-1, etc.
Un ejemplo tpico donde se detecta la presencia de autocorrelacin positiva ocurre bajo el
modelo de expectativas adaptativas. Supongamos que los agentes econmicos realizan su
pronstico de la inflacin futura basados en la inflacin pasada, solamente. Formalmente:
P e +1 = P e + v( P P e )
(1.23)
21
Econometra Moderna
alguna.
Los supuestos tercero y cuarto pueden resumirse en uno solo si pensamos en el moelo
planteado de forma matricial. El vector de errores del modelo es de dimensin Nx1 o Tx1, si se
habla de informacin muestral de corte transversal o de series de tiempo, respectivamente. Por
consiguiente su matriz de varianza y covarianzas es simtrica y definida positiva, de dimensin
NxN o TxT, para cada caso. Esto se ilustra con la siguiente expresin:
Var ( 1 )
Cov( 1 , 2 ) ... Cov( 1 , n )
Cov( 2, 1 )
Var ( 2 )
...
E ( ' ) = Var ( ) =
...
...
...
Var ( n )
Cov( n, 1 ) Cov ( n , 2 )
En trminos de esta matriz el tercer supuesto implica que todos los elementos de la diagonal
principal son iguales. Por otro lado, el supuesto de ausencia de autocorrelacin, determina que
los elementos fuera de la diagonal principal son cero. De este modo, y de verificarse los dos
supuestos antes analizados, la matriz anterior se puede escribir como:
Var()=2In
(1.24)
Esto usualmente se conoce como el supuesto general de que los errores del modelo son
esfricos.
Quinto supuesto: Las variables explicativas y los errores son ortogonales entre s.
Formalmente:
Cov(xi,i) = 0
(1.25)
Este supuesto implica que los errores y las variables independientes no presentan
correlacin. Como ya hemos mencionado el anlisis de regresin lo que hace es descomponer a
la variable dependiente en dos partes: una explicada o determinstica y otra aleatoria o no
explicada. Por tanto, este supuesto implica que si no existe relacin entre las variables
explicativas (que son el componente esencial de la parte explicada) y aquella parte no explicada,
podemos descomponer el espacio donde est definida la variable dependiente en dos
subespacios que son ortogonales entre s12. En otras palabras, cuando se especifica el modelo,
se supone que las variables exgenas y los errores son dos partes separadas y aditivas de la
variable a explicar (Y).
Parte aleatoria
Parte determinstica
i
0 + 1Xi
Yi = 0 + 1Xi +i
22
Econometra Moderna
Estos garantizan que el estimador de mnimos cuadrados ordinarios es eficiente propiedad que
analizaremos en los captulos 3 y 4. Por otro lado, los supuestos 2, 3 y 4 garantizan que los
errores del modelo son ruidos blancos.
Sexto supuesto: El modelo es lineal en los parmetros.
Se dice que un modelo tiene una especificacin lineal cuando la variable endgena Y, o
alguna transformacin monotnica de la misma, se puede expresar como una funcin lineal de
X o de alguna transformacin de ella. Al respecto, consideremos las siguientes relaciones:
Y = + X +
(1.26)
Y = 0 + 1 X + 2 X2 + 3 X3 +
(1.27)
Y = 0 + 21 X1+ 2 X2 +
(1.28)
La ecuacin (1.26) muestra una relacin lineal simple, mientras que la (1.27) es un modelo
lineal en parmetros, ms no en las variables. Por otro lado, la ecuacin (1.28) no es lineal en
parmetros, ni tampoco puede reducirse a una funcin que exprese una relacin lineal.
Ahora se considera el siguiente modelo que busca predecir la cantidad demandada(Q) dadas
las observaciones muestrales de la variable explicativa precio(P). El anlisis de este modelo
implica la estimacin de los parmetros y , sin embargo, y de acuerdo al supuesto de
linealidad, el modelo deber ser transformado de la siguiente manera:
Q = P e
(1.29)
LnQ = ln + lnP +
(1.30)
23
Econometra Moderna
puede estimar una regresin de una variable dependiente Y sobre otra variable independiente X,
se puede estimar una regresin de modo inverso.
En cambio, al plantear un modelo economtrico se debe tener cuidado al especificar las
variables, y definir tanto las explicativas (consideradas fijas), como la variable a explicar
(considerada aleatoria). As, el investigador debe decidir el papel que le otorga a las diferentes
variables de modo que slo exista una direccin en la relacin de causalidad. A manera de
ejemplo, recordemos que la teora cuantitativa del dinero afirma que el volumen de
transacciones en una economa es igual a la cantidad de dinero que rota en la misma.
Formalmente:
P.Q=M.V
(1.31)
donde:
P= precio
Q= producto
M= dinero
V= velocidad de circulacin constante.
En la ecuacin anterior existe una relacin causal que va de M hacia P, es decir, el nivel de
precios es explicado por la cantidad de dinero en la economa. Sin embargo, no se cumple lo
contrario, puesto que el nivel de precios es una variable aleatoria (endgena), mientras que M es
fija o determinstica (exgena).
Sin duda, en trminos estadsticos podramos estimar una relacin de este tipo, esto es, una
regresin de la cantidad de dinero sobre el nivel de precios, sin embargo, esta especificacin no
tendra ningn sustento terico. En este sentido, el investigador debe decidir a priori cul es la
especificacin que va a utilizar sobre la base de la teora que busca verificar y una vez decidida,
se supone una nica direccin causal
Noveno supuesto: Las variables explicativas son linealmente independientes.
Este supuesto implica que ninguna de las variables explicativas involucradas en el modelo
puede expresarse en trminos de una combinacin lineal exacta de las dems. Si alguna de las
variables explicativas fuera una combinacin lineal de otra significara que la primera no aporta
nada adicional al modelo o que los efectos individuales que sta puede tener sobre la variable
dependiente se confunden con los de la segunda. Este problema es conocido como
multicolinealidad, el cul ser abordado con detalle en el Captulo (9)
Dcimo supuesto: Las variables independientes son fijas o determinsticas (no aleatorias)
Si revisamos con cuidado el anlisis hasta ahora expuesto, notaremos que este supuesto ha
estado implcito desde el inicio del captulo. Este supuesto implica que de poderse repetir el
proceso de muestreo numerosas veces, los valores observados de las variables exgenas no
deben cambiar.
Cuando se trabaja con datos de series temporales, es comn la aparicin de valores
retardados de la variable explicada (Y) como variables explicativas, ya que a veces las variables
econmicas no toman de inmediato el valor esperado por los agentes, y de ese modo incorporan
cierta inercia. De este modo, cuando los retardos (o rezagos) son incluidos en el modelo de
regresin como variables explicativas, se dice que son predeterminadas o en trminos ms
formales, que son realizaciones del proceso que gobierna el comportamiento de la variable
explicada. Este caso especfico se analizar en un captulo posterior.
3. A MODO DE RESUMEN
24
Econometra Moderna
En este captulo hemos revisado los conceptos bsicos que estn detrs del anlisis de regresin
as como aquellos relevantes respecto a las variables incluidas en el modelo. De la misma
manera hemos revisado los principales supuestos que se realizan con respecto al modelo lineal
general que analizaremos en buena parte del libro. Debe entenderse que estos supuestos son, en
algunos casos, muy restrictivos y ser interesante analizar cules son los efectos de la relajacin
de los mismos sobre los distintos estimadores que estudiaremos ms adelante. Habiendo
establecido el lenguaje comn que utilizaremos a partir de ahora es importante iniciar la
exploracin de los distintos caminos con los que contamos para a obtencin de los parmetros
desconocidos de nuestro modelo. En primer lugar, analizaremos el estimador de mnimos
cuadrados ordinarios que es uno de los ms analizados y el mejor cuando trabajamos con
modelos lineales.
25
CAPITULO 2
EL METODO DE ESTIMACIN DE MNIMOS CUADRADOS
ORDINARIOS:
MODELO DE REGRESIN BIVARIADO
2.1. INTRODUCCIN
Una vez revisados los conceptos bsicos en el captulo 1 estamos listos para iniciar nuestro
camino con el fin de entender la forma ms utilizada de estimar los parmetros de un modelo
lineal: El estimador de mnimos cuadrados ordinarios. Como se mencion en la seccin 1.1.4 el
mtodo de Mnimos Cuadrados Ordinarios (MCO) presupone una minimizacin de la suma de
los errores elevados al cuadrado, para de ese modo estimar los parmetros de la regresin.
Recordemos que para obtener los parmetros partimos de un problema de prediccin
condicional donde el mejor predictor de Y condicional en X es una prediccin que minimiza la
prdida esperada con respecto de una funcin de prdida especfica. Esta funcin depende de
criterios arbitrarios, algunos de los cuales han sido descritos en la seccin (1.1.3):
En este captulo, iniciaremos nuestro estudio sobre la estimacin de los parmetros tomando
en cuenta el modelo de regresin bivariado, modelo de regresin simple o modelo lineal
simple. Este modelo puede ser planteado de la siguiente manera:
Yi = 0 + 1 X i + i
(2.1)
En este caso, observamos que la variable dependiente slo es explicada por una variable
independiente aparte de la inclusin del intercepto. Debe hacerse una aclaracin en este caso
porque muchos lectores pensarn que el intercepto podra ser considerado como una variable
explicativa adicional. Sin embargo, debemos recordar que el intercepto recoge el efecto
promedio de aquellas variables no incluidas en el modelo. Su inclusin no implica que exista
Econometra Moderna
una relacin sistemtica entre las variaciones de una variable independiente y la dependiente por
lo que su inclusin no es importante como variable explicativa sino para guardar cierta
consistencia de los resultados.
El modelo presentado en la expresin anterior es un modelo terico. Para poder iniciar el
proceso de estimacin de los parmetros desconocidos debemos plantear nuestro modelo
emprico, el cual toma la siguiente forma:
Yi = 0 + 1 X i + ei
(2.2)
En este caso, estamos reemplazando los parmetros desconocidos por sus estimadores y el
trmino de error es reemplazado por el error emprico (e). En este caso la primera parte de la
expresin, expresada por:
Yi = 0 + 1 X i
(2.3)
ser la parte predicha (o explicada) por el modelo. Esto representar nuestro estimado de la
media condicional de la distribucin de Y.
2.2. MTODO
DE ESTIMACIN DE
REGRESIN LINEAL SIMPLE
MNIMOS CUADRADOS
PARA UN MODELO DE
Como ya se mencion, en este modelo la variable endgena slo se explica mediante una
variable exgena fija o no aleatoria. El criterio de mnimos cuadrados ordinarios implica
resolver el siguiente problema de minimizacin:
n
Min
2
i
i =1
Con respecto a 0
1 , siendo :
e i = (Yi 0 1 X i )
(2.4)
(2.5)
si derivamos con respecto a los parmetros, obtenemos las siguientes ecuaciones de primer
orden:
( ei2 )
= 2 (Yi 0 1 X i ) = 2 ei
0
2
i )
= 2
(Y
i
X )X
i
= 2
(2.6)
e X
i
(2.7)
28
Econometra Moderna
Yi = 0 + 1 X i
(2.8)
2
X i Yi = 0 X i + 1 X i
(2.9)
Xi
X
X
i
2
i
0
=
1
Y
XY
i
(2.10)
0 =
Yi
X i Yi
Xi
2
2
Xi
Yi X i X i X i Yi
=
Xi
n X i2 ( X i )2
2
Xi
n
Xi
n
Xi
1 =
n
Xi
(2.11)
Yi
X i Yi (n X i Yi X i Yi )
=
Xi
n X i2 ( X i )2
2
Xi
( X i )2
n
= X i2
(nX )
2
(2.12)
= X i2 nX 2
( X
X )2
(2.13)
29
Econometra Moderna
X i Yi (1 / n) X i Yi = X i Yi nXY
= X i Yi nXY + nXY nXY
= X i Yi X i Y + XY XYi
Ntese que la ltima ecuacin puede simplificarse como:
.
Yi Y (X i X )
(2.14)
(2.15)
Yi Y (X i X ) Cov( X , Y )
1 =
=
2
Var ( X )
(X i X )
(2.16)
(X
(Y i
X
Y
Esta notacin se utilizar para representar las desviaciones con respecto a los valores medios
de X e Y, y tambin para estimar el modelo en desviaciones en un captulo posterior. Esta
representacin resulta una herramienta interesante para demostrar algunas propiedades del
estimador de MCO.
Por otro lado, el intercepto de la funcin de regresin muestral ( 0 ) puede representarse
utilizando la primera ecuacin normal y dividiendo sta entre el tamao muestral (n):
0 = Y 1 X
(2.17)
Con esto se demuestra una propiedad importante del estimador mnimo cuadrtico: si el
modelo tiene un intercepto, la lnea de regresin pasa por los valores medios de Y y X.
Las ecuaciones (2.16) y (2.17) son de mucha utilidad dado que nos permiten escribir los
estimadores MCO como una funcin de estadsticos muestrales, sin necesidad de resolver las
ecuaciones normales. El primer paso consiste en calcular la pendiente de X ( 1 ), para luego
reemplazar dicho valor en la ecuacin (2.17). Para ilustrar este mtodo de estimacin
consideremos el siguiente ejemplo:
Ejemplo
El gerente de ventas de una tienda de electrodomsticos desea conocer la relacin existente
entre el nmero de artefactos vendidos y el nmero de representantes de ventas, para luego
30
Econometra Moderna
hacer algunas predicciones acerca de las ventas del prximo ao. Para tal fin el gerente observa
las ventas efectuadas en diez das diferentes (ver la Tabla 2.1) Como se anot en la seccin
(1.1.2) se debe plantear un modelo de regresin lineal y a su vez especificar el papel que
desempea cada una de las variables en funcin al estudio que se desea realizar. Por lo tanto, en
este caso se define la variable explicativa (X) como el nmero de representantes de ventas y la
variable explicada (Y) como el nmero de artefactos vendidos.
Tabla 2.1
DAS
1
2
3
4
5
6
7
8
9
10
Totales
Xi
Yi
X i Yi
X2
Yi
ei = Yi Yi
1
1
1
2
2
2
3
3
3
2
3
6
10
5
10
12
5
10
10
9
3
6
10
10
20
24
15
30
30
18
1
1
1
4
4
4
9
9
9
4
7
7
7
8
8
8
9
9
9
8
-4
-1
3
-3
2
4
-4
1
1
1
20
80
166
46
80
0 = 6
1 = 1
Evidentemente, si utilizamos las ecuaciones obtenidas a travs del mtodo de Kramer,
tambin se deben obtener los mismos resultados. La comprobacin queda para el lector.
Se puede utilizar el ejemplo anterior para hallar la funcin de regresin muestral, es decir la
regresin de Y con respecto a X. Formalmente:
Yi = 6 + X i
Si se sustituyen las observaciones muestrales de X en la ecuacin anterior, obtenemos la
sexta columna de la Tabla 2.1 (Yi ) . Estos valores representan las estimaciones de la variable
dependiente obtenidas a travs de los parmetros calculados por el mtodo MCO. Comparando
estos valores con aquellos observados para la variable dependiente hallamos los errores
correspondientes a cada observacin de la muestra. Debido a que el modelo incluye un
intercepto o trmino constante, se verifica que la suma de errores estimados es cero.
31
Econometra Moderna
Hasta aqu el lector ya debe estar apto para estimar una regresin bajo el mtodo de Mnimos
Cuadrados Ordinarios y debe tener claro los siguientes conceptos: regresin, parmetros, lnea
de regresin, estimadores, estimacin, errores estocsticos. En la siguiente seccin, se detallarn
las propiedades del estimador mnimo cuadrtico, las que como se ver, resultan de suma
importancia para el anlisis de regresin.
Algo importante que debe recalcarse es que todo estimador es una funcin de los datos y
como stos pueden cambiar en cada muestra tenemos que sern variables aleatorias. Alguien
podra decir que si las X estn fijas siempre tendremos la misma muestra pero pensando de
dicha forma se dejara de lado la naturaleza aleatoria de Y que, sabemos, depende del vector de
errores. Estos errores no son fijos y si tomamos una nueva muestra podran variar lo que
implicara un nuevo valor de Y para cada realizacin de la muestra.
Si reemplazamos en nuestro estimador una muestra determinada (valores observados de
variables aleatorias) obtendremos los estimados. Por tanto, un estimado es un valor particular de
la funcin de los datos (estimador) cuando utilizamos una muestra en particular. Es importante
hacer esta distincin porque las propiedades que se analizarn ms adelante se referirn a la
variable aleatoria llamada estimador.
E E ( ) = 0
Esto quiere decir que el centro de la distribucin del estimador de mnimos cuadrados
ordinarios coincide con el verdadero valor del parmetro. Si se cumple esta propiedad podemos
usar con cierta tranquilidad nuestro estimador porque sabremos que cada estimado que
obtengamos provendr de una distribucin cuya media es el verdadero valor del parmetro por
lo que el estimado ser equivalente, en trminos estadsticos al verdadero parmetro1.
Para verificar esta propiedad, recordemos la expresin del estimador MCO:
! 1 =
(Yi Y )( X i X ) = Cov( X ;Y ) = xi yi
Var ( X )
( Xi X )2
xi 2
(2.28)
Debemos mencionar que ello no implica que nuestro estimado particular sea exactamente igual al verdadero
parmetro. De hecho podramos tener otra muestra y obtener otro estimado. Si el estimador es insesgado, entonces
este nuevo estimado tambin podremos utilizarlo e interpretarlo como equivalente, en trminos estadsticos, al
verdadero parmetro.
32
Econometra Moderna
( X i X )(Yi Y ) = ( X i X )Yi Y ( X i X )
y dado que ya conocemos que
xi yi = xi Yi
(2.29)
k i yi
(2.30)
Siendo:
ki =
xi
xi 2
(2.31)
As, se dice que el estimador MCO es lineal, ya que es una funcin lineal de la variable
endgena (Y). Ntese que en la ecuacin (2.30), ! 1 es una combinacin lineal ponderada de Y,
donde ki representa las ponderaciones y dado que las X son fijas estas ponderaciones se pueden
interpretar como constantes.
Digresin:
Propiedades de ki :
i. Las ki son no estocsticas, debido a que las X tampoco lo son.
ii.
ki =
=
xi 2
xi
xi = 0
xi 2
iii.
ki
xi 2 = 1
2
2
( xi 2 ) xi
xi 2
iv. ki xi =
( xi 2 )
2
=1
Econometra Moderna
ki Yi = ki (0 +1 X i + i )
k i 0 + k i 1 X i + ki i
k i + 1 k i X i + k i i
= 0 (0) +1 (1) + k i i
= 0
(2.31)
( k i i ) = 1 + k i E ( i )
ki (0)
(2.33)
(2.34)
(2.35)
En adelante, de no indicar lo contrario, nos referiremos a la lnea de regresin muestral o estimada, esto es,
X i .
34
Econometra Moderna
= 0 +1 X 1 X
E(! 0 ) = 0
(2.36)
De esta manera queda comprobado que los estimadores mnimo cuadrticos de los
verdaderos parmetros, 0 y 1 , son insesgados.
2.3.2.
Ntese en las ecuaciones de los estimadores MCO (2.17) y (2.28), que la naturaleza aleatoria
de los mismos proviene de la variable endgena Y, la cul es estocstica debido a la inclusin
del trmino de error en el modelo. Por consiguiente, los estimadores ! son una variable
aleatoria que provienen de una distribucin de probabilidad cuya esperanza matemtica es el
verdadero valor del parmetro lo que implica que es el valor con la mayor probabilidad de
ocurrencia. Adicionalmente a lo anterior, es preciso disponer tambin de medidas de dispersin
de los estimadores, de modo que se pueda juzgar el grado en que se aproximan al verdadero
valor del parmetro que se pretende estimar . De ese modo, y para efecto de contrastar si los
regresores cumplen con ciertas condiciones tericas mediante el anlisis de inferencia
estadstica, se hallar la expresin analtica de la varianza de cada uno de los estimadores ! y
una medida de dependencia entre ellos, es decir la covarianza. As, y partiendo de la expresin
! (2.32) tenemos:
1
! 1 = 1 +
! 1 1 =
ki i
ki i
(2.37)
2
Var (! 1 ) = E ! 1 E (! 1 )
(2.38)
2
Var ( ! 1 ) = E ! 1 1
(2.39)
[ k ]
i i
= E ( k1 1 + k 2 2 +...+ k n n ) 2
35
Econometra Moderna
los
supuestos
de
E ( k i2 i2 ) = k i2 E ( i2 )
= 2 k i2
E ( k i k j i j ) = k i k j E ( i j ) = 0
y, reemplazando las ecuaciones precedentes, se obtiene:
Var (! 1 ) = 2
ki2
xi2
1
= 2
2
( Xi X )2
( xi2 )
(2.41)
(2.42)
ki i
! 0 = 0 k i i X +
(! 0 0 ) = k i i X +
(2.43)
36
Econometra Moderna
((
2
2
Var (! 0 ) = E ! 0 0 = E ki i X +
2
Var (! 0 ) = E ki i X 2 + ( ) 2 2 X ki i
(2.44)
Dado que el valor esperado afecta nicamente a las variables aleatorias, la expresin
anterior, puede representarse como:
2X
Var (! 0 ) = X 2 E ( k12 12 +...+ k n2 n2 ) + E ( ) 2
E ( k1 12 +...+ k n 2n + k1 1 2 +...+ k n n 1 n )
n
Por la demostracin de la varianza de (! 1 ) , sabemos que:
E (k12 12 +...+ k n2 2n ) = 2
( X i X) 2
y adems, por las propiedades de ki y por el supuesto de no autocorrelacin entre los errores, se
tiene que:
E (k1 12 +...+ k n 2n + k1 1 2 +.....+ k n n 1 n ) = 2
ki + ki E (i j ) = 2 (0) + (0) = 0
Ahora, y a partir del tercer y cuarto supuesto del modelo de regresin lineal sabemos que:
E ( ) 2 = E
1
n2
( 12 + 22 +...+ n2 + 1 2 +...+ n1 n ) =
1
n2
n( 2 ) =
2
n
Dadas las expresiones anteriores, la varianza del estimador del intercepto se reduce a:
Var( ! 0 ) = X 2 2
2
2 2
X
+
=
n
( X i X )2
1
+
( X i X )2 n
1
(2.45)
([
][
Cov (! 0 , ! 1 ) = E ! 0 E (! 0 ) ! 1 E (! 1 )
])
(2.46)
([
][
Cov (! 0 , ! 1 ) = E ! 0 ( 0 ) ! 1 (1 )
])
(2.47)
37
Econometra Moderna
y tomando esperanzas:
E ( 0 ) = Y E ( 1 X ) 4
(2.48)
(2.49)
Cov (! 0 , ! 1 ) = E X (! 1 1 ) 2
= XE(! 1 1 ) 2
]
(2.50)
= X 2
1
2
(Xi X )
(2.51)
Var (! 0 ) = 2
( Xi X )2
1
+
( X i X ) 2 n
X2
Cov (! 0 , ! 1 ) = X
( Xi X )2
Ntese que las formulas anteriores pueden ser estimadas a partir de los datos muestrales
excepto por el elemento ( 2 ). Por ello, es preciso estimar mediante el mtodo de Mnimos
Cuadrados Ordinarios el valor de la varianza del modelo, pues como se recordar, la naturaleza
aleatoria de la variable endgena proviene del trmino de error, por lo que la varianza de Y
resulta igual a la varianza de .
Recurdese que
independiente resulta tambin indispensable. Recurdese que el componente aleatorio de un modelo de regresin
lineal es ortogonal al componente determinstico y, en este sentido, se verifica que: 0
i = 0 . As, E (Y ) = Y .
38
Econometra Moderna
2.3.3.
El clculo de las varianzas y covarianzas de los estimadores MCO del modelo lineal simple
es indispensable para conocer el grado de dispersin que presenta nuestro estimador. Sin
embargo, si deseamos tener una mayor confiabilidad en nuestro estimador deberamos tener
alguna certeza que dicha varianza es la menor posible5. Eso es lo que analiza el Teorema de
Gauss-Markov.
El teorema en palabras simples establece lo siguiente: Los estimadores obtenidos por el
mtodo de Mnimos Cuadrados Ordinarios resultan los mejores estimadores lineales e
insesgados (MELI) pues poseen la mnima varianza entre todas las clases de estimadores
lineales e insesgados.
Para verificar esta propiedad, recordemos que el estimador MCO ! 1 puede escribirse como:
! 1 =
ki Yi = ki (0 +1 X i + i )
vi Yi
(2.55)
De este modo, vi representa las nuevas ponderaciones, las que no necesariamente presentan
las mismas propiedades de ki . Teniendo esto presente, pasemos a comprobar si este nuevo
estimador cumple con la propiedad de insesgamiento:
~
E (1 ) = E
( vi Yi ) = vi E (Yi )
vi E ( 0 +1 X i + i )
= vi + 1 vi X i
0
=
As, para que el nuevo estimador sea insesgado se debe cumplir que:
vi = 0
(2.56)
vi X i = 1
(2.57)
Ntese que las dos expresiones precedentes son iguales a las propiedades de ki, enunciadas
anteriormente. Ahora, reemplazando la ecuacin (2.55) en la frmula de la varianza del
estimador, se tiene:
( viYi )
= ( vi2VarYi )
~
Var ( 1 ) = Var
39
Econometra Moderna
~
Var ( 1 ) = 2
2
i
(2.58)
= 2
v
i
xi
v
i
v
i
xi
2
i
xi
2
i
+ 2 2
xi
2
i
+ 2 2
v
i
xi
x
xi
2
i
2
i
xi
x
xi
2
i
2
i
+ 2
+ 2
x
1
2
i
2
i
v
i
xi 2
xi
xi
xi 2
vi
xi
xi 2
xi xi 2
2
=
2 2
xi
xi 2
( )
v i xi xi 2
x i 2 ( x i 2 ) 2
=0
~
Este resultado se obtiene debido a que el estimador 1 es insesgado y por tanto se cumplen
~
las condiciones (2.56) y (2.57). Resumiendo, la varianza de 1 se expresa como:
~
Var ( 1 ) = 2
v
i
xi
2
i
+ 2
2
i
xi
xi 2
= ki
~
La expresin anterior nos indica que la varianza de 1 es mayor a la de ! 1 , ya que la nica
forma de obtener un estimador de mnima varianza es utilizando las ponderaciones ki. As, el
estimador MCO posee la mnima varianza entre todos los dems estimadores lineales e
40
Econometra Moderna
Figura 2.1
En la figura 2.1, las distribuciones muestrales de ambos estimadores estn superpuestas con
el fin de escoger el mejor predictor o estimador. Ambas distribuciones estn centradas en el
verdadero valor evidenciando la insesgabilidad de ambos estimadores. El mejor estimador ser
aquel que posea mayor probabilidad de acercarse a 1 , lo que se cumple cuando la distribucin
de probabilidad del estimador est menos dispersa alrededor del valor de su media, es decir
cuando presenta una menor varianza. Dado lo anterior, resulta sencillo verificar que el
estimador obtenido por el mtodo MCO (aquel cuya distribucin se presenta con una lnea
continua) es el mejor estimador lineal insesgado ya que posee la mnima varianza, y as su
distribucin presenta una mayor probabilidad asociada a su valor medio.
Un hecho que debe destacarse es que para que se verifique el teorema de Gauss-Markov es
necesario que se cumplan del segundo al quinto supuesto de los mencionados en el captulo 16.
Estos, como ya mencionamos llevan el nombre de condiciones de Gauss-Markov. Si algunos de
dichos supuestos falla, ya no es vlido el teorema por lo que el estimador MCO ya no ser el de
mnima varianza y deber buscarse la forma de transformar los datos o incluir ciertas
condiciones para que se restablezcan estas condiciones a fin de poder seguir utilizando nuestro
estimador MCO.
Estos en esencia nos dicen que la esperanza matemtica de los errores es igual a cero, que no existe ni
autocorrelacin ni heterocedasticidad y que los regresores fijos no estn correlacionados con el trmino de error.
41
Econometra Moderna
Figura 2.2
(2.18)
el trmino de error desaparece debido a que el promedio de los mismos es cero y por tanto
su sumatoria tambin lo ser.
2. En promedio, el valor estimado de la variable endgena es igual a la media del valor
observado de dicha variable.
Este resultado se puede comprobar fcilmente, partiendo de la ecuacin de la funcin de
regresin muestral y haciendo algunas operaciones algebraicas, tal como se detalla a
continuacin:
Yi = 0 + 1 X i
(2.19)
(2.20)
(2.21)
Se puede comprobar fcilmente que la suma de las desviaciones de una variable, (llmese
dependiente o independiente), con respecto a su media muestral es siempre igual a cero, de
modo que:
(2.22)
(X i X ) = 0
42
Econometra Moderna
(2.23)
Y = Y
(2.24)
Recurdese que el proceso de minimizacin que nos permiti estimar los coeficientes de
regresin gener dos ecuaciones (llamadas ecuaciones normales). La primera de ellas (2.6) es la
representacin de esta propiedad7:
(Yi 0 1 X i ) = 0
ei = 0
Por otro lado, y si trabajamos con las expresiones anteriores, tenemos que:
ei = (Yi 0 1 X i )
ei = Yi Yi
ei
= Y Y = 0
n
(2.25)
Lo anterior, garantiza que el mtodo de MCO cumple con el supuesto de ortogonalidad entre
la parte explicada del modelo de regesin lineal simple y la parte no explicada. Formalmente:
De hecho, la presencia de un intercepto o trmino independiente resulta crucial para la validez de esta propiedad, tal
como se verificar posteriormente. Ntese, adems, que la comprobacin de esta propiedad est basada en la
ecuacin normal del intercepto.
8
En este caso la presencia de un trmino independiente tambin resulta indispensable ya que, de otra forma, no sera
posible realizar la sustitucin propuesta en (2.20).
43
Econometra Moderna
Y!i ei = 0
(2.26)
Para demostrar esta propiedad basta reemplazar la funcin de la lnea de regresin muestral
(1.18) en la expresin anterior:
( 0 + 1 X i ) ei = 0 ei + 1X i ei
= 0 ei + 1 X i ei = 0
(2.27)
Ntese que en (2.27) los coeficientes de regresin (el intercepto y la pendiente) estn
multiplicados por la primera y segunda ecuacin normal, respectivamente. Como resultado del
proceso de minimizacin se tiene que dichas ecuaciones son idnticas a cero, por lo que queda
demostrado que la parte predicha o estimada del modelo no guarda relacin alguna con la parte
no explicada o estocstica.
(2.52)
1 i
= Yi (Y ! 1 X i ) ! 1 X i = (Yi Y ) ! 1 ( X i X i )
ei = yi ! 1 xi
44
Econometra Moderna
E (! 1 1 )
n
n
xi ( i ) = E
k j j
x i ( i )
j =1
j =1
k i xi E [ i ( i )] = 2
xi2
= 2
xi2
( i ) 2 = ( i2 2 i + 2 )
=
[ (
2
i2
n
( i )
( i )
+
n
i2 n ( i )
1
y tomando esperanzas:
i
) 2 = n 2 2 = (n 1) 2
( e ) =
2
i
2 2 + (n 1) 2 = ( n 2) 2
(2.54)
Por consiguiente, y dado que el estimador MCO de 2 debe cumplir con la propiedad de
insesgamiento, se tiene que:
ei2
= 1 E
E (! 2 ) = E
n2 n2
( e ) = n 1 2 (n 2) =
2
i
Por consiguiente, el estimador MCO de la varianza del error para el modelo lineal simple
viene dado por la siguiente expresin:
45
Econometra Moderna
2 =
2
i
i =1
N 2
(2.55)
2.6.1.
Para el clculo del r2 se debe partir del modelo de regresin emprico, el cul puede
escribirse de dos formas:
Yi = ! 0 + ! 1 X i + ei
Yi = Y!i + ei
(2.59)
46
Econometra Moderna
Podemos expresar la ecuacin anterior de modo tal que resulte ms conocida en trminos
estadsticos9:
(2.60)
Cada una de las expresiones anteriores estn relacionadas con sus respectivas varianzas.
Segn ello, podemos descomponer la varianza de la variable endgena en dos partes: una
explicada por el modelo a travs de la regresin lineal estimada y otra que el modelo no es
capaz de explicar debido a su naturaleza estocstica. Pasemos ahora a definir los componentes
de la expresin (2.59):
r2 =
2
2
2
) y 2
y i e i
ei
Var(Y
i
i
=
=
=1
2
2
Var(Yi ) y 2
yi
yi
i
(2.61)
r =
2
r =
xi2 yi2
! 12
Una condicin necesaria para que se cumpla (2.60) es que el modelo incorpore un intercepto. De otro modo no se
podr afirmar que e = 0 ya que no habra una ecuacin normal asociada a este trmino.
47
Econometra Moderna
reducido, quiz algn residuo alto puede hacer que el r2 sea insignificante y por tanto se
concluya que la regresin es mala, aunque en realidad el ajuste sea bueno. Otro caso es cuando
las observaciones de X e Y provienen de muestras de series temporales con tendencia similar.
En tal situacin, sucede que el coeficiente de determinacin es cercano a uno, pues las
variaciones que experimenta la variable dependiente son muy similares a las de la variable
independiente, y en consecuencia:
yi2
y!i2 . Basta con eliminar la tendencia para que el
Figura 2.3
La variacin de la variable endgena es la suma de dos componentes
La figura 2.3 ilustra lo que hemos derivado de manera matemtica. La lnea continua sobre el
eje horizontal refleja el valor promedio de la variable dependiente Y. El trmino Yi refleja una
observacin de la misma variable. La distancia vertical entre este punto y la lnea del promedio
nos muestra la desviacin total de Yi con respecto a su media (lo que equivale a la suma total de
cuadrados si tomamos en cuenta a todas las observaciones). Como vemos esta distancia vertical
la podemos descomponer en dos partes. La primera de ellas est relacionada con el segmento
que parte de la lnea de regresin estimada y va hasta la lnea del promedio (Yi Y ) . Esta es la
desviacin explicada por la regresin. El segmento restante representa aquella parte que no es
explicada por la regresin y por tanto se relaciona con el residuo ( Yi Yi ).
48
Econometra Moderna
2.6.2
1. Es un nmero no negativo. Para demostrarlo basta recordar que ste simboliza el cociente
entre dos sumas de cuadrados. Sin embargo, se debe advertir que en los casos en los que no
se especifique un intercepto en el modelo, el r2 podra resultar negativo y por tanto no
debera tomarse en consideracin10. Por ello, es preciso hallar el coeficiente de
determinacin ajustado o corregido, el cul se estudiar en el siguiente captulo.
2. Puede tomar valores entre cero y uno, (0 r 2 1) Qu pasara si r 2 fuese cero? No
existira ninguna relacin entre la variable endgena y la explicativa y, por tanto, el
estimador de la pendiente de la variable explicativa ( ! 1 ) sera igual a cero y se obtendra
una la lnea de regresin horizontal al eje X.
3. No tiene unidades de medida. Recurdese que es una proporcin, siendo, por tanto, un
nmero puro.
10
Recurdese que slo s se incluye un intercepto se cumple que STC = SEC + SRC.
49
CAPITULO 3
EL METODO DE ESTIMACIN DE MNIMOS CUADRADOS
ORIDINARIOS:
MODELO LINEAL GENERAL
3.1. INTRODUCCIN
En la investigacin aplicada buscamos darle contenido emprico a las relaciones que nos
sugiere la teora y la intuicin. En muchos casos lo que buscamos es determinar cules son las
principales variables que explican a otra variable a la cual le hemos dado el nombre de variable
dependiente. En el Captulo precedente se ha limitado el anlisis de regresin al estudio de las
relaciones existentes entre una variable endgena o explicada (Y) y una variable exgena o
explicativa (X). Para tal fin, realizamos la estimacin de los parmetros desconocidos del
modelo de regresin bivariado y posteriormente demostramos sus propiedades por lo que
concluimos que el estimador MCO es MELI. En el presente Captulo, Vamos a generalizar el
anlisis previo incluyendo ms de una variable explicativa (aparte del intercepto) utilizaremos el
mismo criterio de minimizacin (MCO) y presentaremos el modelo de regresin lineal de k
variables (Y y X1, X2,..., Xk) en notacin matricial. Este modelo es conocido como el modelo de
regresin lineal general, pues en l se generaliza el modelo de regresin bivariado estudiado en
el Captulo 2.
Cabe mencionar que para que el lector pueda comprender con facilidad los conceptos que se
estudiarn a continuacin debe recordar algunos conceptos de lgebra matricial. En este modelo
la funcin de regresin poblacional, definida en el Captulo 1, est compuesta por la variable
endgena (Y) y k variables exgenas (X). Formalmente:
Yi = 1 X 1i + 2 X 2i + 3 X 3i + ... + k X ki + i
i = 1,2,......n
(3.1)
La ecuacin (3.1) indica que el vector Y observado es la suma del vector de errores ( ) y de
una combinacin lineal de las columnas de X. Ntese que ahora se tienen k pendientes
Econometra Moderna
Y1 = 1 + 2 X 21 + 3 X 31 + ... + k X k1 + 1
Y2 = 1 + 2 X 22 + 3 X 32 + ... + k X k 2 + 2
..........................................................................
Yn = 1 + 2 X 2 n + 3 X 3n + ... + k X kn + n
En trminos matriciales:
Y1
Y
2 =
.
Yn
(nx1)
1 X 2 ,1
1 ...
1 ...
1 X 2 ,n
... X k,1
...
...
.
...
...
... X k ,n
1
1
2 + .
.
.
n
k
(nxk)
(kx1)
(nx1)
Y = X +
y en forma compacta:
(3.2)
(3.3)
ee = [e1 e2
e1
e
..... en ]. 2 = e12 + e22 + ... + en2 = ei2
.
e n
52
Econometra Moderna
)' ( Y - X
-
' X'Y +
' X'X
) = Y'Y - Y'X
( Y - X
'X'Y +
'X'X
= Y'Y - 2
y
' X'Y son escalares y por tanto son iguales(uno es el
en la expresin anterior Y'X
transpuesto del otro). Por otro lado, cuando se reemplazan los valores muestrales para X e Y la
. De modo que:
suma de residuos al cuadrado define una funcin del vector de coeficientes
)
e e = f (
son las variables de la ecuacin, por lo que se debe minimizar
donde los elementos del vector
. Para tal fin, es preciso hacer una digresin acerca del lgebra
la misma con respecto a
matricial utilizada para obtener los resultados que a continuacin se detallan:
'X'X
'X'Y +
)
Min (Y'Y - 2
' X' Y +
' X ' X
e' e = Y ' Y 2
e' e
=0
= 2 X ' Y + 2 X ' X
X ' Y = X ' X
(3.4)
Digresin:
!
Se define f (b ) como una funcin de k elementos distintos de bi entonces debemos calcular k
derivadas parciales de dicha funcin con respecto a cada bi. En este sentido, se obtiene el vector
gradiente (primeras derivadas parciales) como definicin general en formas lineales:
!
!
f (b )
f (b ) !
b
!
f (b )
b1
= "!
f (b )
bn
(3.5)
53
Econometra Moderna
[b1
b2
A11
A
... bk ] 12
"
A1k
A12
A22
"
A2k
# A1k b1
# A2 k b2
$ " "
# Akk bk
2 b A + 2b A + # + 2 b A
g (b) g
2 22
k 2k
b 2 = 1 12
=
"
b
"
g
2b1A1k + 2b 2 A 2k + # + 2b k A kk
b k
54
Econometra Moderna
A11
"
= 2
"
A1k
A12
$
A2k
# A1k
b1
"
" = 2 Ab
$ "
b
# Akk k
X +
X X + ... +
X2 =X Y
1
2
ki
ki 2i
k
ki
ki i
o en trminos matriciales,
n
X
2i
...
X ki
X 2i
2
X 2i
...
X ki X 2i
1
...
X ki
1
... X 2i X ki 2 X 21
=
.
... ...
...
...
2
...
X ki
k X k1
1
X 22
...
X k2
1
1 Y1
... X 2n Y2
.
... ... ..
... X kn Yn
= ( X 'Y )
( X X )
En este sentido, y con el fin de obtener los estimadores MCO, debemos premultiplicar la
expresin anterior por ( X ' X )-1, si es que tal matriz es invertible1. Asimismo, se verifica que el
estimador es una funcin de los datos, para ello basta con reemplazarlos en la siguiente
expresin:
= ( X ' X )1 X ' Y
(3.6)
Ntese que en este modelo tambin se verifica que las variables explicativas y el trmino de
error son ortogonales entre s (Cov (X, ) = 0). Para tal fin debemos reordenar la expresin
compacta de las ecuaciones normales (3.4), utilizando algunas propiedades del lgebra
matricial:
X ' (Y X ) = 0
En los casos en que la matriz (X ' X ) no es invertible, el sistema de ecuaciones normales tiene infinitas soluciones,
esto ocurre cuando existe multicolinealidad, es decir cuando se relaja el noveno supuesto de la Seccin (1.2).
55
Econometra Moderna
X 1e 0
X e
2 0
=0
=
X 'e =
.. ..
X k e 0
(3.7)
ei = 0
i =1
e =0
por lo que, los residuos de la regresin estimada por MCO tienen media igual a cero, siempre
que el investigador incluya un trmino independiente en el modelo2. Por otro lado, los dems
elementos de la matriz muestran que, al igual que en el modelo de regresin lineal simple, el
supuesto de ortogonalidad entre los errores y las variables independientes se cumple.
Y1 1 X 21
e1
Y 1 X e
22 1
2
2 =
+
.. ..
..
.. 2
Yn 1 X 2 n
e n
y, por el resultado obtenido en (3.4)
( X X ). = ( X Y )
nX
2i
i
=1
n
n
X 2i Yi
i =1
1 = i =1
n
n
2
X 2i Yi
X 2i
i =1
t =1
Ahora, veamos la Tabla (2.1) y reemplacemos en la expresin matricial anterior los valores
correspondientes. As, las matrices que resultan de la aplicacin de este procedimiento son las
siguientes:
2
Ntese que la presencia de un trmino independiente en el modelo implica que la primera fila de X es un vector de
unos.
56
Econometra Moderna
10 20
(XX) =
20 46
80
(XY) =
166
- 0,33333333 0,16666666
Si aplicamos la frmula del estimador MCO en trminos matriciales (3.6), obtenemos:
0,76666666 - 0,33333333 80 6
= 1 =
=
De all que reciban el nombre de propiedades asintticas. Estas propiedades sern analizadas en profundidad en el
captulo X, dedicado a esta tpico.
57
Econometra Moderna
Con lo anterior no queremos afirmar que el estimador obtenido es igual al verdadero valor
del parmetro, sino que proviene de una distribucin cuya media es igual a dicho valor ( ).
Segunda propiedad: Eficiencia
El estimador debe tener la menor varianza posible con el fin de lograr mayor precisin en sus
aproximaciones. Por lo tanto, un estimador eficiente es aqul que cumple con la primera
propiedad y adems es el que posee la mnima varianza entre todos los dems estimadores
insesgados posibles. As, y como se demostr en la ilustracin del teorema de Gauss-Markov, el
estimador MCO cumple con esta propiedad. Grficamente: (Figura 2.3):
58
Econometra Moderna
= + ( X ' X ) 1 X '
(3.8)
(3.9)
De esta manera se verifica que el estimador MCO, para el modelo de regresin general, es
insesgado. Un resultado fundamental para la comprobacin de esta propiedad es que las X son
fijas o que no estn correlacionadas con el error. La ortogonalidad entre los regresores y el
trminos de error es necesaria para comprobar el insesgamiento.
2. Matriz varianza-covarianza (Eficiencia)
59
Econometra Moderna
Recordemos que por el segundo y tercer supuesto del modelo de regresin lineal4
verificamos que: E (' ) = 2 I n . Por consiguiente, la expresin anterior resulta:
Var ( ) = ( X ' X ) 1 X ' 2 I n X ( X ' X ) 1
Var ( ) = 2 ( X ' X ) 1
(3.10)
Analicemos ahora lo que significan las expresiones (3.9) y (3.10). La primera indica que el
estimador de MCO es insesgado bajo los supuestos del modelo lineal, esto implica que
cuando el investigador dispone de varias muestras el mtodo de estimacin de MCO arroja
estimadores que en promedio son idnticos a los verdaderos valores de los parmetros
desconocidos. Sin embargo, en la mayora de los casos cuando corremos una regresin
solamente contamos con una muestra, en tal sentido no conocemos con exactitud la distancia
entre el estimador y su valor esperado poblacional, es decir tenemos una aproximacin de la
misma. Por lo tanto, es de suma importancia calcular un promedio de dicha distancia, en otras
palabras, de la matriz de varianzas y covarianzas del estimador MCO.
Analicemos en forma intuitiva los componentes de dicha matriz. En primer lugar, depende
de la varianza del error. Esto es, si la distribucin poblacional del error presenta una alta
dispersin, la varianza del estimador se comportar de igual forma (existe una relacin directa
entre los dos). Por otro lado, el anlisis del segundo componente es un poco ms complicado,
dado que los elementos de la matriz (XX) estn relacionados directamente con las varianzas y
covarianzas muestrales de las X5. Si analizamos las implicancias de la relacin matemtica
notaremos que a mayor dispersin de las variables independientes, la matriz (XX) es mayor6 y
por tanto su inversa es menor, de modo que la varianza del coeficiente de regresin ser menor.
Es decir, a mayor varianza de las X ganamos precisin en las estimaciones del modelo. Esta
ltima idea la podemos entender de manera utilizando un grfico. En l, ilustraremos el caso de
una regresin bivariada, en el eje de las abcisas tenemos los valores de la variable independiente
y en el eje de las ordenadas, los valores de la variable dependiente:
4
5
Var ( x) =
(x
x)2
n 1
2
i
2x
+ nx 2
n 1
Como vemos, si el primer trmino del desarrollo de la sumatoria es mayor, la varianza de la variable x ser mayor.
Ese trmino es precisamente uno de los trminos de la diagonal principal de la matriz XX. De igual manera ocurre
con los elementos fuera de esta diagonal principal que sern los elementos correspondientes de la covarianzas
muestrales de las variables explicativas incluidas en el modelo.
6
Por ejemplo si las varianzas muestrales de las variables explicativas incluidas en el modelo son mayores entonces la
sumatoria de las variables elevadas al cuadrado tendern a ser mayores, como estos son los elementos de la diagonal
principal, sabemos que a mayor la traza de una matriz cuadrada, mayor ser su magnitud.
60
Econometra Moderna
Figura 3.1
La figura anterior indica que cuando las observaciones de X presentan poca variabilidad la
lnea de regresin que muestra dicha caracterstica es LR1. Basta introducir una nueva
observacin (a) para que la lnea de regresin presente un cambio brusco de pendiente (LR2),
por lo que los estimadores MCO pierden precisin en la medida que son muy sensibles.
Figura 3.2
61
Econometra Moderna
Dado que el estimador MCO cumple con la propiedad de insesgamiento su error cuadrtico
medio ser idntico a su varianza, por tanto se deber comparar dicha medida de dispersin con
el ECM de cualquier otro estimador sesgado. Sin embargo, la aplicacin de este criterio es
general y puede aplicarse a cualquier par o ms de estimadores.
Hasta aqu hemos hablado de cmo estimar la varianza y la interpretacin de la misma. Sin
embargo, la estimacin de la varianza es un paso previo a la comprobacin de que sta es la
mnima (propiedad de eficiencia). Para ello utilizaremos, al igual que en el captulo anterior el
teorema de Gauss-Markov en su forma matricial.
Teorema de Gauss-Markov
Aqu extenderemos los resultados encontrados en el captulo 2 a todo un vector de
coeficientes . Debemos notar que dicho vector es lineal pues cada uno de sus elementos es una
funcin lineal de la variable endgena (Y). Demostracin:
~ ~
~
Sea = A Y donde A es una matriz de orden (kxT)
Definimos otra matriz A (kxT) a la diferencia:
~
A = A ( X X ) 1 X '
Segn lo anterior:
~
= [ A + ( X ' X ) 1 X ][ X + ]
~
= AX + + [ A + ( X X ) 1 X ' ]
(3.11)
(3.12)
~
De modo que ser insesgado s y solo s suponemos que AX=0. De esta manera, resulta
til reexpresar la ecuacin (3.11) para el clculo de la varianza del estimador:
~
= + [ A + ( X X ) 1 X ' ]
(3.13)
~
Var ( ) = AA' 2 + ( X ' X ) 1 2 + ( X ' X ) 1 X ' A' 2 + AX ( X ' X ) 1 2
= AA' 2 + ( X ' X ) 1 2
matriz
definida positiva
varianza del
estimador MCO
62
Econometra Moderna
La expresin anterior indica que la matriz de covarianzas del estimador alternativo es igual a
la del estimador MCO ms una matriz definida positiva. En este sentido, se verifica que la
varianza de cualquier otro estimador lineal insesgado debe ser necesariamente igual o mayor
que la varianza del estimador MCO.
3.6 OTROS RESULTADOS REFERIDOS AL ESTIMADOR MATRICIAL DE MNIMOS CUADRADOS
ORDINARIOS
1.El vector de residuos de Mnimos Cuadrados es una transformacin lineal del vector de
errores del modelo terico. Recordemos que:
e = Y X
= [ I n X ( X ' X ) 1 X ' ]Y
= [ I n X ( X ' X ) 1 X ' ][ X + ]
= M x [ X + ]
e = M x = M xY
(3.14)
= I n X ( X ' X ) 1 X '
= Mx
ii) Ortogonal a la matriz X
M x X = [ I n X ( X ' X ) 1 X ' ] X
= X X ( X ' X ) 1 X ' X = 0
Si utilizamos esta ltima propiedad obtenemos el resultado presentado en (3.14).
2. La suma de residuos el cuadrado del modelo lineal general puede expresarse en
trminos de los errores tericos del modelo.
Un resultado adicional que se deriva de las propiedades ya mencionadas de la matriz Mx es
que la suma residual de cuadrados puede expresarse en trminos del verdadero vector de
errores. As, obtenemos:
En realidad, la matriz de proyeccin ortogonal Mx est asociada a otra matriz Px. Esto se explicar detalladamente
en la seccin (3.9).
8
Una matriz simtrica es aquella cuya transpuesta es igual a la matriz original. Por su parte, unamatriz idemportente
es aquella que al ser multiplicada por s misma da como resultado la misma matriz.
63
Econometra Moderna
(3.15)
E (e) = E (Y ) E ( X )
= X X
E ( e) = 0
(3.16)
64
Econometra Moderna
)y
De modo que, el error estimado muestra la discrepancia entre el valor de Y predicho (Y
i
su valor observado. As, por la ecuacin (3.16) podemos descomponer la varianza de Y de la
siguiente forma9:
Var (Yi ) = Var (Yi ) + Var (ei )
La expresin anterior muestra que es factible descomponer la varianza de la variable
endgena en un componente explicado por el modelo de regresin lineal, en el sentido descrito
anteriormente, y en otro no explicado relacionado a la presencia del residuo.
Recurdese que la bondad de ajuste del modelo nos permite conocer el grado en que la
estructura que gobierna el comportamiento de la variable dependiente, recoge el
comportamiento de tal variable. O en otros trminos, mide cun bien explicado est el
comportamiento de la variable endgena por nuestro modelo.
En consecuencia, definimos formalmente al coeficiente de determinacin:
R2 =
)
Var(Y
i
Var(Yi )
(3.17)
Y
nY 2
Y
Y Y nY
SEC
STC
(3.18)
SEC = X Y nY 2
Debe mencionarse que esta suma explicada de cuadrados est medida alrededor de la media
de la variable dependiente. El trmino nY 2 precisamente resta la media de la variable
dependiente10. Este clculo se puede hacer si es que el modelo contiene un intercepto.
Asimismo, podemos expresar el coeficiente de determinacin en trminos de la suma
residual de cuadrados:
Recurdese que por el supuesto de ortogonalidad entre las variables explicativas y el error estimado, se tiene que:
e = X e = 0 .
Y
10
(y
Recordemos que
y
=y
y) =
2
2
i
2y
2
i
2 yny ny 2 = yy ny 2
+ ny 2
65
Econometra Moderna
R2 = 1
SRC
ee
= 1
STC
Y Y nY 2
(3.19)
Algo que debe discutirse a estas alturas es que el R2 estar acotado entre 0 y 1 si es que slo
se incluye un intercepto en el modelo. Esto se concluye porque la inclusin del intercepto
asegura a travs de las ecuaciones normales- que la media de los errores mnimos cuadrticos
(ei) sea cero. Este resultado es importante para poder descomponer la suma total de cuadrados
en la suma explicada y la suma de residuos al cuadrado como dos conjuntos disjuntos. Esto
asegura que existe ortogonalidad entre las variables explicativas y el trmino de error mnimo
cuadrtico. De no incluir intercepto por construccin- nada asegura que la parte explicada y la
parte no explicada sean ortogonales entre s, por lo que la suma de total de cuadrados podra
incluir un tercer trmino que puede ser negativo o positivo. De ser negativo y mayor que y, el
R2 podra ser negativo incluso. Por ello si no existe intercepto el R2 puede ser negativo y no est
acotado por abajo. El valor mximo de 1 se seguir manteniendo.
Debido a que el coeficiente de determinacin mide la bondad de ajuste de los valores
estimados a la lnea de regresin, puede ser utilizado para comparar el grado del poder
explicativo de dos modelos. Pero no cualquier tipo de modelos, hay que tomar en cuenta los
siguientes casos:
i)
En los casos en que el investigador disponga de un modelo que incluya intercepto y otro
que no lo incluya, no es posible discernir entre los dos pues el R2 resultante del primer
modelo podra resultar negativo, especficamente se haya en el siguiente
intervalo [ ,1] como ya se mencion. En este caso los R2 no son comparables.
ii)
Cuando dos modelos estn especificados con igual nmero de variables explicativas y
tratan de explicar la misma variable endgena pero no incluyen intercepto. Es factible
utilizar al R2 como una medida de comparacin, de esta manera se eligir aqul que
tenga la menor suma residual, lo que implica un mayor R2 sea negativo o positivo.
iii)
iv)
Un hecho adicional, que es obvio, y poca veces se menciona es que si se estiman dos
modelos que tratan de explicar dos variables dependientes distintas, el R2 no es una
medida que tenga mucho sentido comparar, dado que cada R2 mide la explicacin de la
varianza dela variable endgena que en este caso no son las mismas.
Una conclusin lgica que se infiere de lo anterior es que el R2 es una funcin creciente del
nmero de variables explicativas utilizados en el modelo. Es decir, una variable adicional
aumenta la proporcin en que el modelo explica el comportamiento de la variable endgena. Por
ello, es importante que el investigador incluya todos los regresores necesarios para explicar con
mayor precisin a Y.
66
Econometra Moderna
Algo que se deriva de lo discutido en el prrafo anterior es que una forma de elevar cada vez
ms el R2 es incluir nuevas variables. La inclusin de una nueva variable, en el peor de los
casos, no modifica el R2 pero en la mayora de las veces logra aumentarlo11. Sin embargo, si
bien el beneficio de incluir una variable ms est en la elevacin del R2, tiene un costo. Este
viene dado por la prdida de grados de libertad. Recordemos que por la inclusin de una
variable ms, aumenta en igual cantidad el nmero de ecuaciones normales y por lo tanto existe
un error adicional que no puede tomar cualquier valor sino que debe restringirse a tomar un
valor de tal forma que se cumpla la ecuacin normal. Esto le quita libertad al modelo para captar
la verdadera estructura que se quiere analizar. Entonces, como vemos, la inclusin de una
variable adicional tiene un costo y un beneficio. Por ello, es importante definir un indicador que
tome en cuenta estas dos consideraciones, de tal forma de contar con una medida ms confiable.
Este indicador es el estadstico conocido como R2 ajustado o corregido. Formalmente:
R 2 = 1
SRC /( n k )
(n 1)
(1 R 2 )
= 1
STC /( n 1)
(n k )
(3.20)
La interpretacin de este R2 alternativo es similar al anterior pues cumple con las mismas
propiedades del R2 original y tiene el mismo objetivo como medida de bondad de ajuste. Pero,
le aade el ajuste por los grados de libertad que se pierden por la inclusin de una variable
adicional en el modelo. De modo que, la fraccin:
(n 1)
aumenta cuando el nmero de
(n k )
Suma de
cuadrados
Total de la
regresin
Debido a la
regresin
YY nY
Debido a los
residuos
Grados de
libertad
n-1
2
X X n Y
k-1
n-k
La prdida de un grado de libertad para la STC proviene del hecho de que para el clculo de
ella debe estimarse la media de la variable dependiente. En el caso de la SEC ocurre lo mismo.
Los grados de libertad son k-1 porque el espacio en donde estn definidos los parmetros es kdimensional y se pierde un grado de libertad por el clculo de la media de la variable
dependiente que sabemos es la misma que la media de la variable dependiente estimada a travs
del modelo. Por ltimo, los grados de libertad de la suma residual es la diferencia entre los dos
grados de libertas ya mencionados.
11
X X que es una forma cuadrtica. Al incluir una variable ms esta magnitud aumentar o a lo ms no disminuir
debido a que si el efecto de la variable es cero no se modificar esta expresin.
67
Econometra Moderna
X 1 X 2 1 X 1Y
=
X 2 X 2 2 X 2 Y
Digresin:
Cabe sealar que para hallar la inversa de una matriz particionada se tiene dos
procedimientos, los cuales dependen del orden de las submatrices en las que se separe la matriz
original. As, para la estimacin de los parmetros del modelo debemos calcular la matriz
inversa de (XX). Se pueden dar dos casos:
i) Se define la matriz particionada P, de orden kxk:
P
P = 11
P21
P12
P22
donde el orden de cada una de las matrices: P11, P12, P21, P22, es respectivamente mxm, mxr,
rxm,y rxr, (donde m+r = k). Ahora definamos a F como la matriz particionada inversa de P, de
orden kxk:
F
F = 11
F21
F12
F22
Si bien los elementos de sta matriz no son idnticos a los de la matriz P-1, s guardan una
relacin importante con los elementos de la matriz P:
1
68
Econometra Moderna
ii) Cuando la matriz X esta conformada por dos vectores, el procedimiento para calcular la
matriz inversa de (XX) es igual al de una matriz cualquiera de orden (2x2).
Dada la digresin anterior, trabajemos con las ecuaciones normales del modelo y hallemos
los estimadores. Tomando el primer conjunto de ecuaciones normales tenemos:
X 1 X 1 1 + X 1 X 2 2 = X 1Y
(3.21)
Factorizando llegamos a:
1 = ( X 1 X 1 )1 X 1 (Y X 2 2 )
(3.22)
(X 2 X 1 ) 1 + X 2 X 2 2 = X 2 Y
(3.23)
X 2 X1 (X1 X1 )1 X1 (Y X 2 2 ) + X 2 X 2 2 = X 2 Y
X 2 X 1 (X 1 X 1 )1 X 1Y X 2 X 1 (X 1 X 1 )1 X 1 X 2 2 + X 2 X 2 2 = X 2 Y
X 2 I X1 (X1 X1 )1 X1 X 2 2 = X 2 I X1 (X1 X1 )1 X1 Y
(3.24)
12
69
Econometra Moderna
(3.25)
La expresin precedente, muestra que los efectos que tienen las variables explicativas
incluidas en la sub-matriz X1 han sido eliminados o filtrados tanto de X2 como de Y. Es decir,
2 mide slo el efecto que tienen las variables X2 sobre la variable dependiente exclusivamente
sin tomar en cuenta el efecto de las otras variables del modelo. Es decir, cada parmetro slo
mide el efecto marginal que tiene sobre la variable explicada la variable explicativa que la
multiplica de manera independiente del efecto de las otras variables. Esto nos permite escribir el
modelo de manera lineal donde los efectos son aditivos e independientes unos de otros.
(3.26)
Recordemos que podemos expresar al modelo en trminos de los valores medios de las
variables:
Y = 1 + 2 X 2 + ... + k X k
(3.27)
(Yi Y ) = 2 (X 2i X 2 ) + ... + k (X ki X k ) + ei
(3.28)
Ntese que, esta expresin muestra una reparametrizacin del modelo. En sta no se incluye
un intercepto, cada variable est expresada en diferencias con respecto a su promedio muestral y
tanto las pendientes como los residuos son iguales a los del modelo original.
Consideremos al modelo en su forma matricial y planteemos una particin de nuestra matriz
X de tal forma que X1 slo incluya la columna de unos que corresponden al intercepto y X2
contiene a las variables explicativas del modelo distintas del intercepto. El modelo se plantea de
la siguiente forma:
Y = X + e
donde X y representan matrices particionadas de la forma:
X = [1n ;X 2 ]
(3.29)
70
Econometra Moderna
(3.30)
Ntese que, en la ecuacin (3.29) X2 es una matriz de orden nx(k-1) y est formada por las
columnas de observaciones de las variables exgenas del modelo, exceptuando el intercepto.
Por otro lado, la expresin (3.30) muestra que el vector tiene como elementos al intercepto
( 1 ) y al resto de coeficientes estimados (desde 2 hasta k ). De esta manera, el nuevo
modelo particionado resulta:
Y = X 1 1 + X 2 2 + e
(3.31)
Si recordamos los pasos anteriores realizados en el caso del modelo particionado, podemos
utilizar la expresin (3.24):
X 2 I X1 (X1 X1 )1 X1 X 2 2 = X 2 I X1 (X1 X1 )1 X1 Y
En este caso particular, X1 sera un vector de unos, por lo que la expresin entre corchetes
quedara de la siguiente manera:
[I n (1 / n)(1n1n )] (nxn)
(3.32)
Esta matriz ser denotada desde ahora por M0 y tiene la particularidad de transformar los
datos originales a datos en desviaciones con respecto a la media. El lector puede desarrollar la
expresin anterior y comprobar esta afirmacin.. Si tomamos el vector de observaciones de la
variable dependiente y lo premultiplicamos por M0 obtenemos lo siguiente:
Y1 Y
Y Y
2
M 0Y = ..
..
Yn Y
La matriz M0 , al igual que las matrices similares a ella, es simtrica e idempotente. Cabe
mencionar que esta matriz cumple con otras propiedades importantes, las cuales nos sern de
mucha utilidad para las estimaciones que desarrollaremos posteriormente:
M 0 (1n ) = 0 n
(3.33)
(3.34)
M 0e = e
Ntese que la ltima propiedad se cumple porque el valor medio de los errores estimados es
igual a cero y, por tanto el vector e ya se encuentra en forma de desviaciones.
Ahora, premultipiquemos la expresin (3.31) por la matriz M0 y utilicemos las propiedades
definidas en (3.33) y (3.34). As, obtenemos:
M 0Y = M 0 X 2 2 + e
(3.35)
Ntese que este modelo muestra la notacin matricial del modelo definido en (3.27).
71
Econometra Moderna
(3.36)
Por ltimo, recordemos que la matriz M0 es idempotente por tanto, podemos reexpresar a
(3.36) como:
(M 0 X 2 )' M 0Y = (M 0 X 2 )' (M 0 X 2 ) 2
(3.37)
M 0 X 2 = x2
M 0Y = y
donde, x2 es una matriz de dimensin n x (k-1) que muestra al conjunto de las variables
explicativas en forma de desviaciones. A su vez, y representa al vector de desviaciones de la
variable endgena y es de dimensin (n x 1). Por lo tanto, el sistema (3.37) es equivalente a:
(x2 y ) = (x2 x 2 ) 2
(3.38)
De esta manera, la expresin (3.38) muestra que cuando transformamos las variables del
modelo original en un sistema de (k-1) ecuaciones normales podemos resolverlo de la misma
forma que el propuesto en (3.4). Puesto que, el modelo en desviaciones solamente nos permite
obtener los estimadores de las pendientes y no del intercepto, ste se obtendr premultipicando
el modelo particionado definido en (3.31), por (1/n)1'n :
1 '
1 '
1n Y = 1n (X + e)
n
n
Y = X = 1 + X 2
Y = [1 X 2
1
X 3 ... X k ] 2
..
k
1 = Y 2 X 2 ... k X k
(3.39)
Ahora tratemos de expresar tanto la SCT como la SEC en trminos del modelo en
diferencias. Premultipliquemos la ecuacin (3.35) por Y' :
13
Recurdese que
expresin (3.7).
72
Econometra Moderna
M 0 X = M 0 (X1
= (O n
(3.40)
X 2 )
M 0 X 2 2 ) = M 0 X 2 2
e M 0 = 0
SEC
e' e
=1
STC
Y' M 0 Y
X M Y
X M X
= 2 2 0 2 2 = 2 2 0
Y' M 0 Y
Y' M 0 Y
(3.41)
3.10
Introduccin
Recordemos que el mtodo de estimacin ms comnmente usado y uno de los ms
estudiados en el anlisis economtrico es el de Mnimos Cuadrados Ordinarios. Cabe distinguir
entre dos variantes de tal mtodo: Mnimos Cuadrados Ordinarios (MCO) y Mnimos
Cuadrados no lineales. Por el Captulo 1 sabemos que, la lnea de regresin MCO tiene como
supuesto la linealidad en todos los parmetros. Mientras que en la segunda variante, y tal como
su nombre lo indica, no se cumple tal supuesto. Para fines de este captulo, slo nos interesa
discutir la estimacin MCO de un modelo lineal, ya que la comprensin de la regresin lineal y
del mtodo MCO como mtodo de estimacin de ella es esencial para entender el resto de
Captulos de este libro.
Ntese que existe una distincin importante entre las propiedades numricas y las
estadsticas de los estimadores obtenidos usando MCO. Las propiedades numricas son aquellas
73
Econometra Moderna
que se mantienen como consecuencia del uso de MCO, sin importar la generacin de los datos.
Recordemos que estas propiedades fueron verificadas por reemplazos y clculos directos14. Por
otro lado, las propiedades estadsticas se mantienen slo bajo ciertos supuestos acerca de la
generacin de los datos15.
A continuacin discutiremos la interpretacin geomtrica de las propiedades numricas de
MCO, pues todas estas propiedades pueden interpretarse en trminos de la geometra
Euclideana.16
Yi = 1 X 1i + 2 X 2i + 3 X 3i + ... + k X ki + i
Y = X +
donde, la variable dependiente representa a un vector de dimensin n y donde los regresores
forman una matriz de dimensin (nxk). Cada columna de X que contienen a las observaciones
correspondientes a cada regresor y la variable dependiente pueden ser concebidos como puntos
en el espacio n-dimensional Euclidiano. Por otro lado, las variables explicativas son linealmente
independientes y conforman el sub-espacio k-dimensional de En, al cual denotaremos
formalmente como S(X).
Estrictamente hablando, nosotros podemos definir S(X) como el sub-espacio conformado por
todas las columnas de X. Aunque, lo podemos definir simplemente como el espacio de las X.
Por otro lado, la dimensin de S(X) es igual al rango de la matriz X17 (( X ) = k ) . De esta
manera, asumimos que k es estrictamente menor que n (k < n).
El complemento ortogonal de S(X) en En , el cual es denotado por S(X), esta formado por
todos los puntos en el espacio n dimensional de X que son ortogonales a S(X). Una vez
definidos estos conceptos estamos listos para entender la interpretacin geomtrica del
estimador MCO. La idea de este estimador es descomponer el espacio definido por la variable
dependiente, Y, que es de dimensin n en dos sub-espacios que sean ortogonales entre s.
Intuitivamente ello implica que queremos descomponer a la variable dependiente en una parte
que sea explicada por las variables independientes y que esta parte explicada sea construida de
tal manera que implique que se extrae toda la informacin contenida en estas variables. Una
forma de asegurar esto es que esta parte explicada sea ortogonal a la parte no explicada. Esto
porque la ortogonalidad entre dos espacios implica que no existe relacin alguna entre ellos. En
otras palabras, no existira forma de explicar aquella parte no explicada a partir de informacin
contenida en las variables explicativas. Adicionalmente, podemos decir que si se cumple esta
condicin el modelo puede escribirse de manera aditiva, es decir, como la suma de dos partes:
una predecible y una no predecible.
Teniendo en cuenta lo anterior, pensemos en nuestra descomposicin. Uno de los objetivos
es lograr que la parte explicada por el modelo sea la mayor posible. Para entender esto usemos
14
74
Econometra Moderna
un grfico que nos permita ilustrar lo que est en juego. Para simplificar el anlisis supongamos
que n=2 y k=1
Figura 3.3
El vector que parte del origen representa a la variable dependiente Y. En los ejes tenemos
los espacios ortogonales (cada uno de dimensin 1). Aquel definido por la variable explicativa
es S(X) y est representado por el eje horizontal y su complemento ortogonal est representado
en el eje vertical. Si queremos que la parte explicada sea la mayor posible, grficamente
debemos encontrar el punto en S(X) que est lo ms cerca posible a Y. Existen diversas
opciones para ello. Sin embargo, sabemos que la distancia ms corta estar representada por una
lnea que sea perpendicular a S(X). El punto que representa esta distancia ms corta ser
~
denotado por X . Existen otras alternativas como puntos tiene S(X). Por ejemplo, X
representa a uno de estos puntos, pero se puede apreciar que X implica una distancia menor y
es posible demostrar que la menor distancia es reflejada por este punto. Entonces X puede
interpretarse como la proyeccin ortogonal de la variable dependiente en el espacio definido por
las X (S(X)).
Por otro lado, sabemos que todos los puntos del espacio S(X) son ortogonales a los puntos
de S(X) lo que significa que representa aquella parte no explicada por el modelo, es decir los
errores (Y X = e) . Dado que X representa al punto donde la lnea que parte de Y es
perpendicular a S(X), en dicho punto el espacio definido por X deber ser perpendicular al otro
espacio que representa a los errores. Formalmente ello implica que deber cumplirse la siguiente
condicin X ' (Y X ) = 0 . Recordemos que esta es la condicin de ortogonalidad de donde se
obtienen los estimadores MCO. Por tanto el vector de parmetros es aquel que descompone
al espacio en el cual est definido la variable dependiente en dos ub-espacios que son
ortogonales entre s.
Otra forma de abordar el problema y obtener un estimador para es el siguiente. Si nosotros
queremos hallar el punto en S(X) que es ms cercano al vector Y, el problema se cifra en la
solucin de una minimizacin (con respecto a la eleccin de ) de la distancia entre Y y S(X).
El punto en S(X) que representa esto es X . La distancia entre estos puntos est dada por el
error del modelo. Minimizar la distancia es equivalente a minimizar el cuadrado de esta
distancia, es decir minimizar la norma del vector de errores18. Formalmente podemos plantear el
problema de la siguiente manera:
18
Debemos recordar que en el caso que se utiliz como ejemplo anteriormente se supuso que el nmero de
observaciones era 2. En este caso se pierde un grado de libertad por la existencia de un parmetro as que slo se
75
Econometra Moderna
Min Y X
)
) ( Y - X
Min( Y - X
Entonces podemos observar que la minimizacin de la distancia entre Y y S(X) nos lleva al
planteamiento del estimador de mnimos cuadrados ordinarios. De esta manera comprobamos
que nuestro estimador MCO resuelve un problema de hallar dos espacios ortogonales en los
cuales se puede descomponer la variable dependiente.
Ahora, reemplacemos el estimador obtenido por el proceso de minimizacin de MCO (3.6)
en el vector de la variable endgena estimada:
Y = X = X ( X ' X ) 1 X ' Y = Px Y
(3.42)
La ecuacin anterior define una matriz Px = X ( X ' X ) 1 X ' , de dimensin (nxn), dicha
matriz proyecta al vector Y ortogonalmente en S(X). Es decir, Px es un ejemplo de una matriz
de proyeccin ortogonal.
Por otro lado, asociada a Px existe una matriz que proyecta a Y en el complemento ortogonal
de S(X), es decir en S(X):
Y X = Y X ( X ' X ) 1 X ' Y = I X ( X X ) 1 X Y = M xY
(3.43)
(3.44)
Px M x = 0
(3.45)
Por la ecuacin anterior, se verifica que cualquier punto en En, como X o Y es igual a:
X = M x X + Px X
Y = M xY + PxY
(3.46)
En funcin a los anteriores resultados y lo estudiado hasta ahora podemos interpretar cada
uno de los componentes de las expresiones anteriores como:
M x Y = vector de residuos de la regresin.
76
Econometra Moderna
(3.47)
Px Y
M xY
Figura 3.4
Dado que las matrices ortogonales definidas, son idempotentes. Resulta sencilla la
estimacin de MCO. As, podemos reexpresar el problema de minimizacin descrito
anteriormente:
) ( Y - X
)=
( Y - X
( M x Y )' ( M x Y )
= ( M x Y )' ( M x Y )
= Y ' M x M xY = Y ' M xY
=
M xY
(3.48)
(3.49)
= PxY
+ MxY
(3.50)
77
Econometra Moderna
Esta expresin muestra que la suma total de cuadrados o STC, de la variable dependiente es
igual a la suma explicada de cuadrados (SEC) ms la suma de residual de cuadrados (SRC).
Recordemos que, el coeficiente de determinacin (R2) lo definimos como:
R2 =
SEC
SRC PxY
=1
=
2
STC
STC
Y
=1
MxY
Y
(3.51)
o en trminos trigonomtricos19:
R 2 = cos =
PxY
Y
=1
MxY
Y
Como conclusin de esta seccin podemos decir que nuestro estimador MCO responde a una
necesidad de descomponer en dos conjuntos ortogonales entre s el conjunto en donde est
definida la variable dependiente. Adicionalmente todos los resultados estudiados anteriormente
as como el coeficiente de determinacin tienen tambin una interpretacin geomtrica. Ser
importante retener estos conceptos porque sern utilizados a lo largo del libro.
3.11
Cuando se estudi la eficiencia del estimador MCO un trmino que forma parte de la
varianza del estimador es 2 la cual es la varianza del trmino de error. Si bien hemos
analizado el impacto que tiene esta expresin en la varianza del estimador hemos estado
hablando siempre del trmino terico y por tanto desconocido. Por tanto, debemos hallar una
forma de estimar esta magnitud a fin de que podamos tambin construir un estimado de la
varianza de los estimadores hallados.
El camino frecuentemente utilizado es construir un estimador ad-hoc de tal forma que
cumpla con algunas de las propiedades deseadas como es la de insesgamiento. Dado que hasta
el momento no hemos trabajado con otro tipo de estimador, es importante obtener dicho
estimador insesgado. Una estrategia utilizada frecuentemente y que aqu vamos a utilizar- es
partir analizando la suma de errores al cuadrado (SRC). De esta forma obtendremos la
esperanza matemtica de esta expresin y veremos que transformacin debemos hacer a la
expresin resultante para obtener un estimador insesgado. Si recordamos la SRC viene dada por:
SRC = ee = M x = I X ( X X ) 1 X
(3.52)
Es importante expresar la SRC en trminos del error terico porque cuando apliquemos el
operador de esperanza utilizaremos las propiedades del error terico que ya han sido definidas
en el captulo I. Sin embargo, antes de continuar con el anlisis debemos definir algunas
propiedades que sern de mucha utilidad:
Recurdese que el coseno de un ngulo de un tringulo rectngulo, en nuestro caso ( ), es igual al cateto opuesto
entre la hipotenusa.
19
78
Econometra Moderna
1. Si queremos analizar la traza de un producto de matrices, las trazas sern las mismas si
alteramos el orden de las matrices siempre y cuando estas sean conformables. Esto es lo
que se llama la propiedad de las permutaciones cclicas. Formalmente:
Tr(ABC) = Tr(CBA) = Tr(BCA)
2. La traza20 de la esperanza de una matriz es igual a la esperanza de a traza. Formalmente:
E[Tr (ABC)] = Tr [ E (ABC)]
Ahora pongamos en accin estas dos propiedades para calcular la esperanza de la SRC:
E ( SRC ) = E [Tr ( M x )] = E [Tr ( M x )]
(3.53)
Tr [E ( M x )] = Tr [M x E ( )] = Tr M x 2 I n = 2Tr [M x ]
(3.54)
Tr [M x ] = Tr I n X ( X X ) 1 X = Tr [I n ] Tr X ( X X ) 1 X
Tr [I n ] = n
] [
]
(3.55)
Tr X ( X X ) X = Tr ( X X ) X X = Tr [I k ] = k
1
(3.56)
2 =
ee
nk
(3.57)
Queda para el lector la comprobacin de que este estimador es insesgado. La mayor parte de
los pasos a realizar ya se han hecho as que no deber haber mucha dificultad en comprobar este
resultado. Algo que debemos notar es que para la obtencin de este estimador no se ha utilizado
ningn criterio de optimizacin como puede ser la minimizacin de la suma de errores al
20
Por si no lo recuerdan la traza de una matriz es la suma de los elementos de los elementos de la diagonal principal
de esta matriz, siempre y cuando sta sea cuadrada.
79
Econometra Moderna
(3.58)
(3.59)
Esta expresin es la que se utilizar en todos los clculos a realizarse por los paquetes
estadsticos especializados en la estimacin de modelos economtricos.
3.12
A MANERA DE CONCLUSIN
En este captulo hemos presentado el estimador MCO multivariado para el cual se han
utilizado herramientas matriciales. Se han definido y comprobado las principales propiedades
del estimador MCO que es recomendable que sean ya incorporados en la mente del lector. Esto
porque los resultados aqu presentados que son los fundamentos del estimador MCO y del
modelo lineal general- sern la base para entender la lgica y resultados de otro tipos de
modelos y estimadores. Adicionalmente cuando se empiece a analizar las anomalas del modelo
lineal general ms adelante se har uso de las propiedades y resultados presentados aqu. Es
importante entender la intuicin y significado del estimador MCO porque los principios
estudiados hasta aqu marcan la pauta para lo que ser analizado ms adelante.
21
Como veremos ms adelante, este ltimo criterio es el que gua al estimador de mxima verosimilitud.
80
CAPITULO 4
INFERENCIA ESTADSTICA EN EL MODELO
LINEAL GENERAL
4.1. INTRODUCCIN
Hasta el momento hemos estudiado una de las formas ms usadas de realizar la estimacin
de un modelo lineal. El estimador adecuado para dichos casos es el de mnimos cuadrados
ordinarios del cual hemos mostrado todas sus propiedades, as como considerado todas sus
implicancias.
Sin embargo, todo modelo debe estimarse con algn propsito dado que si no fuera as la
modelacin economtrica sera solamente un ejercicio estadstico que carecera de sentido y la
interpretacin de los resultados se limitara a la aplicacin de reglas mecnicas que no dejan
ningn espacio para el raciocinio del investigador.
Lo anterior nos debe llevar a pensar en los propsitos de la investigacin economtrica.
Hasta ahora slo hemos mencionado tangencialmente los propsitos de la modelacin
econmica. Ya es hora de ponernos a pensar con mayor detenimiento la siguiente pregunta
para qu estimamos un modelo? En este captulo intentaremos empezar a dar respuestas en
dicho sentido.
De esta manera, podemos iniciar la discusin de los usos de un modelo estableciendo los
principales propsitos de la modelacin economtrica, los cuales pueden agruparse en tres
categoras:
1.
Inferencia: Esto implica verificar si ciertas restricciones que imponen las diferentes
teoras econmicas o nuestra intuicin1 son vlidas o no para la muestra que utilizamos
Econometra Moderna
3.
Simulacin de Polticas: Esta categora implica un uso mucho ms atrevido del modelo
que en los dems casos. El ejercicio de simulacin consiste en realizar predicciones
futuras de nuestra variable dependiente permitiendo que los factores estructurales2
varen. As bajo esta categora se podra responder a la pregunta Qu pasara con el
producto bruto interno en el Per si pasamos a un rgimen mucho ms intervencionista
que el actual? Obviamente un cambio en las condiciones estructurales afectar el
comportamiento de los agentes econmicos y, por tanto, la respuesta de stos variar. Si
hacemos un ejercicio de simulacin de polticas debemos tener un elevado grado de
certidumbre con respecto a la idoneidad de nuestro modelo para tal fin. La crtica de
Lucas3 precisamente cuestiona el uso indiscriminado que se le daba a los modelos
macroeconomtricos estimados a fines de la dcada del 60 y principios de los 70 para
este fin.
Cada uno de los usos mencionado implica ciertas condiciones sobre las variables que
intervienen en nuestro modelo que estudiaremos ms adelante. Por ahora nos centraremos en el
primer uso de nuestro modelo que es el de la inferencia. Desarrollaremos las tcnicas y
metodologas existentes para la realizacin de pruebas de inferencia estadstica.
82
Econometra Moderna
C t = 0 + 1Yt + 2 Yt + 3 rt + 4 Wt + t
donde:
Yt =
Ypt =
rt =
Wt =
Ingreso Corriente
Ingreso Permanente
Tasa de inters real
Riqueza
Segn el modelo que piensa estimar el investigador se estn incluyendo una serie de factores
que responden a diversas teoras que se han esbozado sobre el consumo. El investigador lo que
busca es identificar para el caso de la muestra que analiza (por ejemplo data peruana de 1940 a
1999) los principales determinantes de la variable econmica mencionada. Sin embargo, cmo
en la prctica puede discernir entre una teora y la otra? Supongamos que piensa preguntar si
las teoras del ingreso permanente y del ciclo de vida son relevantes para el caso peruano. Para
ello necesita plantear alguna hiptesis que se puede comprobar sobre la base del modelo.
Como ya hemos mencionado, es relevante mencionar que una teora implica imponer ciertas
restricciones sobre los datos. Nosotros podemos observar, por ejemplo, que la correlacin entre
la cantidad saldos reales y el producto es positiva. Sin embargo, sabemos que dicha correlacin
no implica ninguna causalidad. Por ello, algn terico plantear ciertas relaciones entre las
variables y propondr dicho esquema como una explicacin convincente de lo que ocurre en la
realidad. Este esquema resumido en ciertas ecuaciones matemticas ser la teora propuesta y
deber comprobarse empricamente su relevancia o no. Las pruebas de hiptesis no nacen de la
nada sino que son inspiradas por alguna teora. El arte de la modelacin est en plantear un
modelo que nos permita verificar en forma de restricciones (expresadas en hiptesis) las
explicaciones que propone alguna teora. En este sentido se ve claramente que la economa gua
a la medicin econmica, de lo contrario sera un mero ejercicio estadstico que carecera de
sentido.
De hecho la base de todas las religiones es el dogma en donde lo que predomina es la fe. Los creyentes no piden
pruebas sino que han decidido creer, basado no en pruebas contrastables sino en otros elementos ms espirituales.
83
Econometra Moderna
5
6
84
Econometra Moderna
Aqu es donde cobra importancia el supuesto que hacemos con respecto a la funcin de
distribucin vlida. En trminos del grfico que presentamos, podemos esperar que una
diferencia aceptable entre el valor estimado y el valor que se plantea en la hiptesis nula sea de
2 desviaciones estndar. De hecho en muchas funciones de distribucin en el rango 2 se
encuentra el 95% de las observaciones7. Si la diferencia fuera mayor a dicha cifra entonces
diramos que la probabilidad de que se cumpla la nula es muy baja y por tanto no podramos
aceptar la Ho.
A estas alturas deben preguntarse por qu se habla de no poder rechazar o aceptar las
hiptesis en vez de afirmar tajantemente si acepto o rechazo. Esto se debe a que la conclusin a
la que llegamos no es una afirmacin sobre la cual se tenga certeza absoluta. Es un criterio
arbitrario el que se ha usado para establecer el lmite entre dos zonas (una llamada de
aceptacin y otra de rechazo). Pero Qu pasa si en verdad el parmetro proviene de una
distribucin centrada en el valor que plantea la hiptesis nula pero la diferencia grande se debe
a la presencia de un shock o factor aleatorio muy fuerte? La respuesta es que seguramente se
rechazara (siguiendo el criterio establecido) la hiptesis nula pero en verdad sera cierta.
Este tipo de problema que surge con la inferencia recibe el nombre de Error Tipo I. Esto es,
la probabilidad de que rechacemos una hiptesis que es cierta. En la metodologa convencional,
el usuario escoge el nivel de Error Tipo I que ms le acomode. El nivel que suele escogerse
generalmente es de un 5%. Esto es lo que se llama el nivel de significacin estadstica (o el ).
En cada prueba tambin se verifica la existencia de un Error Tipo II. Este error mide la
probabilidad que se acepte una hiptesis que es falsa8. Como vemos, la presencia de estos dos
tipos de errores indican que al aplicar la prueba no tenemos la absoluta certeza de nuestras
conclusiones sino que lo que buscamos es tratar de obtener un resultado con la mayor
probabilidad de que sea cierto. Una buena prueba es aquella que tiene el mayor poder, donde
poder se define como la probabilidad de rechazar correctamente una hiptesis falsa (en
trminos de probabilidades, la mayor proporcin 1 - ). Por ello, una prueba ms poderosa ser
aquella que para el mismo nivel de significacin estadstica tiene el mayor poder.
Generalmente, cuando se propone una prueba, su uso se justifica en la medida que sea ms
poderosa que otras.
Estos conceptos pueden ser esquematizados en el siguiente cuadro:
Situacin real de
la poblacin
Ho cierta
No hay error
Prob()= 1-
Error Tipo I
Prob(Error Tipo I) =
Ho falsa
Error Tipo II
Prob(Error Tipo II) =
No hay error
Prob()=1-
Si todo lo anterior suena un poco complicado, el ejemplo del sistema judicial puede
ayudarnos. En todo juicio se parte de una premisa. Esta consiste en suponer que el acusado es
inocente y el trabajo del fiscal es demostrar a travs de la presentacin de pruebas contundentes
En otros trminos ello implica que debajo de ese rango se concentra el 95% del rea por debajo de la curva de
distribucin.
8
Esta probabilidad tiene como smbolo la letra generalmente.
85
Econometra Moderna
que la premisa de la cual se parte es falsa. La premisa de la que se habla sera la hiptesis nula
o planteada. El juicio en s sera todo el proceso de la realizacin de la prueba.
Si el fiscal no logra presentar pruebas suficientes usualmente se dice que el acusado no es
culpable, no se afirma que sea inocente. Ello porque si las pruebas no fueron suficientes para
demostrar su culpabilidad no quiere decir que la persona sea inocente. En la prctica se tiene
muchos asesinos que no pueden ser sentenciados porque no se comprob su culpabilidad.
Los problemas con este tipo de sistema es que algunos acusados pueden ser declarados
culpables cuando son inocentes (Error Tipo I) y otros pueden ser declarados inocentes cuando
en verdad son culpables (Error Tipo II). En todo caso, de la discusin anterior se desprende que
el sistema judicial est diseado para que se minimice la probabilidad que un inocente sea
declarado culpable. Como sabemos esto se mide por la probabilidad del Error Tipo I. Entonces
debe quedar claro que el lo escoge la sociedad y vendra a representar la valla que debe
superar el fiscal para comprobar que el acusado es culpable. De la misma manera, al realizar
una prueba el usuario escoge el nivel de significancia con lo que est decidiendo cul debe ser
el grado de evidencia en contra que debe presentarse a fin de no aceptar la hiptesis de la cual
se parte.
Una cuestin adicional que debe notarse es que la no aceptacin de la hiptesis nula o
planteada no significa que se est aceptando lo contrario. Lo nico que se puede discutir es la
relevancia de la hiptesis planteada o nula. Por ello, las pruebas deben interpretarse como qu
tan relevante es la restriccin que se est planteando en la hiptesis nula dada la evidencia que
se maneja, la cual est representada por la muestra (los datos) que se utiliza.
Por otro lado, si cierta restriccin planteada por alguna teora no es aceptada no quiere decir
que la teora est errada. Lo nico que se podra afirmar es que para la muestra que nosotros se
tiene los datos no son consistentes con dicha teora. Para rechazar una teora tenemos que
acumular mucha evidencia en contra. Ello implica realizar el ejercicio estadstico de la
estimacin de un modelo para distintas muestras, por ejemplo en otros periodos y para otros
pases.
Si se acumulara mucha evidencia en contra, recin se podra empezar a sospechar de la
idoneidad de la teora planteada y, por tanto, surgira la necesidad de la proposicin de una
teora alternativa la cual luego debera ser contrastada empricamente con los datos de distintos
pases y/o muestras. De esta manera va avanzando el proceso de conocimiento econmico.
e ~ N (0, 2 )
(4.1)
Esta expresin debe leerse como e se distribuye como una normal con media 0 y varianza
2 9.
Dado que los errores se distribuyen de esta manera, ello implica que la variable
dependiente tambin sigue una distribucin normal. Se deja como ejercicio determinar qu tipo
de media y varianza tendr esta distribucin.
9
Debe notarse que slo se est describiendo a la funcin por sus dos primeros momentos. En el caso de una
distribucin normal slo es necesario ello dado que presenta ciertas propiedades dadas para los momentos superiores.
86
Econometra Moderna
Como sabemos, nuestro estimador es: = (X X) 1 X Y . Esta expresin implica que existe
una relacin entre el estimador y la variable dependiente. Como ya se ha visto en secciones
anteriores, el estimador es una funcin de los datos y, en especial, es una funcin lineal de la
variable dependiente. Por tanto, podemos concluir que nuestro estimador es tambin una
variable aleatoria.
Un elemento que puede ayudar a aclarar el punto que est detrs de la conclusin anterior
es el siguiente: la muestra que tenemos es aleatoria. La variable dependiente es la suma de dos
componentes: el componente determinstico que est representado por la combinacin lineal de
las variables independientes (las cuales consideramos fijas) ms un trmino de error que es
aleatorio. Lo anterior implica que los valores que tome la variable dependiente estarn en
funcin de los valores que tomen los errores. Si se tomara otra muestra, los valores de las X
seguiran siendo los mismos (por ello el supuesto de que las X son fijas) pero los valores de los
errores podran cambiar (dado que son variables aleatorias) dando como resultado valores de la
variable dependiente ligeramente distintos a los de la primera muestra. El suponer que la media
de los errores es cero implica de cierto modo que los nuevos valores muestrales no sern muy
distintos de los de otra muestra. Por tanto, si los valores de Y pueden variar ligeramente en
muestras distintas, el estimado obtenido a partir de cada muestra ser distinto a los de otras
muestras.
As, si la muestra es aleatoria, ello implica que para cada muestra (que ser ligeramente
distinta a otras), tendremos un estimado distinto. Por ello se dice que el estimador es una
variable aleatoria dado que para cada valor de muestra especfico tendremos un valor distinto
del parmetro. Al plantear una hiptesis nula lo que estamos diciendo es que si se repitiera el
proceso de estimacin con distintas muestras un gran nmero de veces, el promedio de los
estimados sera igual al valor planteado en la hiptesis. Esto nos indica, de hecho, que el
estimado obtenido en una muestra particular no tiene que ser igual al valor planteado en la
hiptesis que se quiere analizar en un sentido estricto sino en un sentido probabilstico.
En vista de lo explicado anteriormente podemos decir que nuestro estimador de MCO se
distribuir de la siguiente forma:
~ N k , 2 ( X X ) 1
(4.2)
El resultado anterior se deriva del supuesto inicial de los errores. Adems, se ha demostrado
que el parmetro es insesgado y se ha hallado la varianza del mismo.
Por otro lado, ya hemos comprobado que el trmino de error estimado es una transformacin
lineal del error terico o poblacional segn la siguiente expresin:
!
e = Y - X = I n X (X X ) 1 X = M
(4.3)
87
Econometra Moderna
grande se tendr algn grado de certeza (no absoluta) de que dicho valor proviene de una
distribucin distinta.
Por tanto, la expresin a analizar ser la siguiente:
( )
(4.4)
en este caso estar representado por el valor propuesto en la hiptesis nula. Esta expresin no
pierde sus propiedades si es que se multiplica por la matriz X que contiene las observaciones de
nuestras variables independientes:
X( )
Ahora se ver la conveniencia de plantear en estos trminos la diferencia que se quiere
analizar.
Se sabe que:
X ( ) = (Y M) X = M = P
P = X (X X ) 1 X
(4.5)
] [
~ 2 ( m)
(4.7)
lo cual quiere decir que la expresin definida en esta expresin se distribuye como una variable
chi-cuadrado con m grados de libertad. Donde m es el rango de la matriz A si es que esta es
simtrica e idempotente.
Si se toma en cuenta estas propiedades, se podr plantear la siguiente expresin:
1
2
( )X X ( ) =
1
2
(4.8)
88
Econometra Moderna
esta expresin se distribuir como una chi cuadrado con k grados de libertad. Ello se desprende
del hecho que cumple con los requisitos planteados en las propiedades mencionadas
anteriormente.
Adicionalmente se define la siguiente expresin:
(n k )
2
2
1
2
e e =
1
2
(4.9)
la cual tambin cumple con las condiciones establecidas anteriormente, por lo que se distribuye
segn una chi-cuadrado con n-k grados de libertad.
La razn por la cual se define estas dos expresiones es que si se utiliza la primera de ellas
para realizar la inferencia estadstica afrontamos un problema: todas las expresiones son
conocidas a excepcin de 2 . Para eliminar dicha dificultad se debe buscar una forma de
eliminar esta expresin. Aqu es donde se encuentra la utilidad de la segunda expresin
definida. Ntese que si se divide la primera por la segunda, se elimina 2 y se obtiene una
expresin en funcin de puras magnitudes conocidas.
Como se sabe, la divisin de dos variables chi-cuadrado divididas cada una por sus grados
de libertad da una variable que se distribuye como una F de Fisher. Sin embargo, para poder
estar seguros que la expresin resultante se distribuye como una F primero se debe demostrar
que ambas expresiones son independientes entre s.
Para tal fin planteamos la siguiente proposicin:
PROPOSICIN 4.1: Los estimadores MCO de y 2 son independientes entre s.
Para realizar la demostracin de esta proposicin se debe mencionar la siguiente propiedad:
Supongamos que:
x ~ N (0, 2 I n )
x Ax es una forma cuadrtica en la que A es una matriz cuadrada simtrica e idempotente de
orden n.
(4.10)
o de forma equivalente LA = 0
Utilizando esta propiedad se debe buscar equivalentes en trminos de las expresiones
planteadas anteriormente de tal forma que se pueda aplicar la propiedad descrita.
Para tal fin debemos recordar la expresin:
89
Econometra Moderna
( ) = (X X) 1 X
en esta expresin vendra a representar el x y (X X) 1 X sera el equivalente del L.
Por otro lado, se tiene la expresin de los errores mnimos cuadrticos que se sabe son una
transformacin lineal del verdadero trmino de error:
e = M
en este caso M juega el papel de la matriz A. A partir de esta expresin se obtiene la suma de
errores al cuadrado e e = M que es una forma cuadrtica que cumple con las condiciones
requeridas. Entonces para poder aplicar el resultado anterior se debe demostrar que los
equivalentes de A y L son ortogonales entre s (recordar LA = 0). Utilizando los trminos
definidos anteriormente, planteamos la siguiente expresin, la cual ser igual a cero:
(X X ) 1 X M = 0
(4.11)
Esto se desprende del hecho que X y la matriz de proyeccin ortogonal M son ortogonales
entre s. El resultado presentado indica que ambas expresiones son independientes entre s. Si
se analiza las expresiones, vemos que ( ) incluye el estimador mnimo cuadrtico de los
parmetros y en la expresin e e , dicha magnitud se utiliza para la estimacin de la varianza de
los errores. Por lo tanto los estimadores MCO de y 2 son independientes entre s. LQQD.
Una vez demostrada la independencia entre ambas expresiones se puede construir el
estadstico F de la siguiente forma:
P
k =
M
nk
( ) X X ( )
2 k
(n k ) 2
2 (n k )
( ) X X ( )
k
~ F(k, n-k)
=
e e
(n k )
(4.12)
( ) 2 (X X ) 1
( ) / k ~ F(k, n-k)
(4.13)
90
Econometra Moderna
donde lo que se ha hecho es incluir la varianza estimada del error dentro del corchete. Esta
expresin contiene toda la intuicin que se necesita para entender lo que est detrs de un
ejercicio de inferencia estadstica. Como vemos, la expresin ( ) mide la diferencia
existente entre el estimado de mnimos cuadrados ordinarios y el valor que se plantea en la
hiptesis nula. Esta diferencia en trminos absolutos no indica mucho dado que debe ser
evaluada en trminos de la varianza del parmetro que es justamente la expresin que est entre
corchetes. As, si la diferencia es pequea en trminos de la varianza quiere decir que en
trminos relativos podemos pensar que los estimados provienen de una distribucin que est
centrada en el valor que se propone en la hiptesis nula o planteada. Por el contrario si la
diferencia relativa es considerable se puede concluir (nunca con certeza absoluta) que los
parmetros obtenidos provienen de una distribucin diferente.
Es importante sealar aqu el papel que juega la varianza de los errores o el grado de
dispersin de las X. Ya en los captulos precedentes se mencion el rol que desempean ambos
en la varianza de los parmetros. As, si la varianza calculada de los estimados es elevada, ello
implica que el grado de precisin de los mismos es bajo. Ello llevar a que cualquier diferencia
absoluta del numerador sea pequea en trminos relativos si la varianza es elevada.
Un ejemplo puede ayudar a entender el punto. Si se plantea una demanda de dinero segn el
enfoque de Cambridge y se supone que la relacin es lineal, se puede llegar a la siguiente
expresin:
ln m = 1 + 2 ln Y + 3 ln r + e
(4.14)
supongamos que existen dos investigadores que utilizan distintas muestras para estimar esta
demanda para el Per y los estimados que obtienen cada uno son los siguientes:
1
2
Investigador A
0.44
Investigador B
0.67
0.96
-0.15
-0.34
0.65
Por otro lado, tenemos que la matriz de varianzas y covarianzas de los estimadores en cada
caso tienen los siguientes componentes:
35 45 36
(X X ) 1A = 45 65 57
36 57 64
2 = 2.5
A
65 56 76
(X X ) 1B = 56 84 65
76 65 72
2 = 3.6
B
Ntese que segn estos datos, la varianza de la elasticidad del ingreso en ambos casos es
162.5 (65x2.5) y 302.4 (84x3.6) la cual es muy alta si se considera los valores calculados en
cada caso (0.96 y 0.15 respectivamente). Si se plantea la siguiente hiptesis:
1 0
Ho: 2 = 0
3 0
91
Econometra Moderna
4.
Los criterios que se seguirn para analizar los resultados son los siguientes:
Si Fcalc < Ftabla (k, n-k) no se puede rechazar Ho
Si Fcalc > Ftabla (k, n-k) no se puede aceptar Ho
92
Econometra Moderna
(4.15)
lo cual muestra la distribucin con respecto al estimador de todo el vector de parmetros. Sin
embargo, interesa conocer la distribucin del estimador del parmetro i. Esta se puede obtener
fcilmente a partir de (4.15):
i ~ N ( i , 2 a ii )
Si todo el vector se distribuye segn una distribucin normal es de esperarse que cada uno
de sus elementos tambin lo haga. La media ser el verdadero valor dado que sabemos que el
estimador MCO es insesgado. a ii es el elemento i-simo de (X X ) 1 el cual corresponde a la
varianza del estimador de i .
Si se quiere construir una expresin que sea comparable con una distribucin conocida lo
mejor en este caso ser estandarizar las observaciones (esto es, restarle la media y dividirla
entre su desviacin estndar):
93
Econometra Moderna
(4.16)
Esta expresin se distribuye como una normal estandarizada (lo que implica que tiene una
media de cero y una varianza igual a uno). Debe notarse que la media que se est restando es
justamente el valor propuesto en la hiptesis nula lo que refleja el supuesto que se realiza en
todo ejercicio de inferencia: se parte suponiendo que la hiptesis nula es cierta y sobre la base
de ello se construye el estadstico a utilizar.
Como en el caso de nuestra prueba general, surge el problema que es desconocido y por
lo tanto, no se puede realizar el ejercicio de inferencia estadstica con la informacin muestral
de la cual disponemos. La solucin a esta dificultad pasa por intentar eliminar este trmino
desconocido a travs de una transformacin que permita obtener una expresin la cual tenga
una distribucin conocida.
Esto lo podemos lograr dividiendo la expresin anterior por la expresin que ya hemos
utilizado anteriormente para obtener la prueba F:
(n k ) 2
2
Como sabemos esta expresin se distribuye como una chi-cuadrado con (n-k) grados de
libertad. La ventaja de esta magnitud reside como en el caso general- en que la divisin de una
distribucin normal estndar entre la raz de una chi-cuadrado dividida por sus grados de
libertad es una distribucin t de student:
i i0
a ii
(n k ) 2
i i0
~ t (n k )
a ii
(4.17)
2 (n k )
La nueva expresin obtenida est en trminos de magnitudes observables. Si se analiza en
detalle en el numerador se tendr la diferencia entre el valor estimado y el valor que se supone
es la media de la distribucin. En el denominador se tiene la desviacin estndar estimada del
estimador. Nuevamente se cumple el principio de que el anlisis de la diferencia que se
presenta en el numerador debe hacerse en trminos de la dispersin del mismo.
Esta prueba es una de las ms utilizadas por todos los paquetes economtricos. La hiptesis
que se quiere analizar es que los distintos parmetros son iguales a cero ( i0 = 0 ). Con ello se
estara comprobando si los parmetros de cada una de las variables independientes son en
trminos probabilsticos iguales a cero. De no poderse rechazar estas hiptesis la conclusin es
que aquellas variables asociadas a cada uno de los parmetros deberan eliminarse del modelo.
Econometra Moderna
uno de los parmetros a estimar. Sin embargo, las restricciones que puede imponer la teora
econmica pueden ser en la prctica ms complicadas que las consideradas hasta ahora.
Un ejemplo de ello se puede observar en la formulacin de una funcin de demanda para
cualquier producto. Como sabemos, la teora econmica plantea que la cantidad demandada de
un bien est en funcin de tres argumentos: el precio relativo (Px) del bien en cuestin, el
ingreso (I) y el precio de los bienes relacionados (Py). Dados los valores de estos tres
argumentos, el consumidor decide qu cantidad consumir de dicho bien. En trminos
estadsticos podemos plantear el siguiente modelo:
LnX d = 1 + 2 LnPx + 3 LnI + 4 LnPy + e
(4.18)
La ventaja de plantear el modelo en trminos del logaritmo de las variables10 es que nos
permite calcular directamente las elasticidades de la demanda y hace el supuesto de que stas
son constantes.
Como sabemos para que una demanda sea consistente con los principios de la teora del
consumidor debe cumplir con una serie de propiedades. La homogeneidad de grado cero es una
de ellas. Como deben recordar, esta propiedad implica que si los precios y el ingreso cambian
en la misma proporcin, no habr ningn cambio en la eleccin que realice el consumidor.
En trminos de nuestro modelo esta restriccin se puede plantear de la siguiente manera:
2 + 3 + 4 = 0
Lo cual en trminos tericos ello implica que la suma de las elasticidades debe ser igual a
cero.
Segn lo que sabemos hasta el momento no es posible plantear una prueba que nos permita
verificar este tipo de restricciones.
Para tal efecto, se realizar un planteamiento general que permita la suficiente flexibilidad
como para verificar cualquier restriccin que implique una combinacin lineal de los
parmetros estimados.
Supongamos que para nuestro modelo (4.18), se plantean las siguientes hiptesis nulas:
H 0 : 2 + 3 + 4 = 0
2 = 4
3 = 1
10
En trminos de la jerga economtrica este modelo se conoce como un modelo doble logartmico
95
Econometra Moderna
cumplen a la vez. El rechazo de cualquiera de ellas implica que la teora no sera vlida en el
contexto de nuestra muestra.
En trminos matriciales estas restricciones se pueden plantear de la siguiente forma:
1
0 1 1 1 0
0 1 0 1 2 = 0
1 0 1 0 3 0
4
R
= r
La primera matriz, R, es la que resume las restricciones planteadas. Ntese que el nmero de
filas de R corresponde al nmero de restricciones. El vector corresponde a todos los
parmetros estimados. Por ltimo el vector r resume las constantes a las que son iguales las
restricciones. En este caso particular los tres valores son iguales a cero pero pueden ser
distintos a estos valores en funcin a las restricciones que se plantean.
Una vez descrita la forma general en que se puede plantear restricciones que impliquen
combinaciones lineales de los parmetros se debe plantear ciertas condiciones que aseguren que
la prueba pueda realizarse correctamente. Estos son los supuestos:
Las matrices R y r son conocidas. Es obvio que si se desea plantear alguna restriccin
debemos saber cules son estas. Por otro lado, conocer los valores de estas matrices permite
construir el test sin el problema de tener trminos desconocidos que obligan a transformaciones
adicionales.
El nmero de restricciones lineales (q) es menor o igual al nmero de parmetros del modelo
(k). Esta especificacin est relacionada con la identificacin de un sistema de ecuaciones.
El rango de la matriz R debe ser igual a q. Ello implica que las restricciones lineales sern
linealmente independientes. Esto previene el hecho de estar comprobando dos veces la misma
hiptesis.
Para la construccin del test estadstico se parte suponiendo que la distribucin del
estimador es normal:
~ N , 2 (X X) 1
R ~ N q R, 2 R (X X ) 1 R
entonces:
R ( ) ~ N q (0, 2 R (X X ) 1 R )
Si suponemos que la hiptesis nula es cierta (como es el caso en la construccin de
cualquier estadstico que nos permita verificar cierta hiptesis): R = r . De cumplirse esta
condicin el estadstico quedara convertido en:
96
Econometra Moderna
Ahora, dado que la distribucin est centrada en cero, si realizamos la siguiente operacin:
(R r ) 2 R (X X ) 1 R
(R r ) ~ (2q )
(4.19)
Se obtiene una distribucin chi-cuadrado con q grados de libertad dado que el rango del
elemento entre corchetes es igual a q, lo cual quiere decir que se suman q veces distribuciones
normales elevadas al cuadrado.
Sin embargo, como se sabe el problema con esta expresin es que no se conoce 2 por lo
que se debe eliminar este trmino. Para tal fin se utiliza lo que a estas alturas ya debe ser un
procedimiento estndar, es decir, se divide por (4.9). Si la intencin es obtener una distribucin
conocida la candidata ideal es una F:
(R r ) 2 R (X X) 1 R
q
e e
( R r )
~ F(q, n-k)
(n k ) 2
Esta expresin permite eliminar la varianza terica del modelo. Por otro lado, dado que
ee /(n k ) es el estimador de la varianza, se puede rescribir la anterior expresin como:
(R r ) 2 R (X X ) 1 R
(R r ) / q ~ F(q, n-k)
(4.20)
LnQ d
Los valores que estn entre parntesis son las desviaciones estndar y los estadsticos t
calculados para las hiptesis nulas que los parmetros son cero.
Por otro lado, se tiene la siguiente informacin:
97
Econometra Moderna
200.00
333.22
XX=
312.96
317.20
( X X ) 1
0.0033
0.0056 0.0001 0.00003
2 = 0.8556
98
Econometra Moderna
Si se siguen los pasos detallados para la prueba general, un paso adicional es construir la
expresin R (X X) 1 R . Se debe notar que realizar esta operacin implica que se est
extrayendo el 0.0032 (elemento 3,3 de la matriz cuadrada o a33). Si esto se multiplica por la
varianza estimada del error, se obtendra la varianza estimada de 3 . Entonces la prueba
quedar reducida en este caso a la siguiente expresin:
(R r ) 2
~ F(1, n k )
Var ( 3 )
(4.21)
dado que Var ( 3 ) = 2 a 33 . Para los datos de nuestro ejemplo se obtiene lo siguiente:
(R r ) 2
(0.739 0.5) 2
0.057
=
=
= 21.11
Var( 3 )
0.8556 * 0.0032 0.0027
Este valor calculado es mayor al valor de tablas que es cercano a 2. Por lo tanto la
conclusin en este caso es que no se puede aceptar la hiptesis de que la elasticidad ingreso de
la demanda es igual a 0.5.
Algo que debe notarse es la similitud entre (4.21) y la expresin (4.17): la primera es el
cuadrado de la segunda. As la prueba que se ha discutido anteriormente acerca de la relevancia
de un solo estimador se puede derivar de nuestro planteamiento general. Algo que se debe
recordar de estadstica bsica es la siguiente propiedad:
F(1, n k ) = (t (n k ) )2
lo cual implica que un estadstico t que se eleva al cuadrado se distribuye como una F con 1
grado de libertad en el numerador y n-k grados de libertad en el denominador.
4.4.4 Prueba de Hiptesis referente a aquellos parmetros del modelo distintos del
intercepto
Si la hiptesis nula establece que todo el subvector de pendientes de un modelo ( 2 ) es
igual a un vector de constantes, se puede especificar la hiptesis de la siguiente manera:
H 0 : 2 = 02
H1 : 2 02
En este caso tenemos k-1 restricciones dado que no se incluye el intercepto. Por lo tanto, la
matriz de restricciones queda de la siguiente manera:
0 1 0 . .
0 0 1 . .
R = . . . . .
. . . . .
0 0 0 0 0
0
0
.
0
1
99
Econometra Moderna
Esta matriz tiene k-1 filas (recordar que las filas vienen dadas por el nmero de
restricciones) y k columnas. Ntese que la primera fila es de puros ceros lo que indica que no
estamos tomando en cuenta el intercepto. La matriz identidad de orden k-1 que acompaa al
vector de ceros nos indica que se est planteando una restriccin por cada parmetro
independientemente de los dems. Esto quiere decir que cada restriccin considerada toma en
cuenta a un solo parmetro y no a una combinacin lineal de los mismos. Nuestro vector r sera
igual a los valores planteados en la expresin ( 02 ).
Dado que slo se est refiriendo a restricciones sobre las pendientes se puede particionar la
matriz de variables independientes de la siguiente forma:
X = [1 , X 2 ]
en esta particin el 1 corresponde a un vector n-dimensional compuesto de escalares iguales
a 1. X 2 corresponde a las variables asociadas a las k-1 pendientes, por tanto tiene k-1
columnas. Siguiendo con la exposicin la matriz XX queda de la siguiente manera:
1X 2
n
X X =
X 2 1 X 2 X 2
Si se quiere hallar la expresin R (X X) 1 R esta equivale a hallar la inversa de la porcin
inferior derecha de (4.21). Ello porque aplicar R y R implica eliminar la primera fila y
columna de la inversa de X X . Recordando las expresiones de inversa de matrices
particionadas vistas en el Captulo 3 se obtendr que la inversa del trmino inferior derecho es
igual a:
1
(X 2 X 2 X 21 1X 2 ) 1 = (X 2 M 0 X 2 ) 1
n
1
donde M 0 = I n 1n1n . Esta matriz es la presentada en el Captulo 3 y lo que hace es
n
transformar las variables del modelo a desviaciones. Dados los anteriores resultados el
estadstico quedara de la siguiente forma:
( 2 02 )( X2 M 0 X 2 )( 2 02 ) /(k 1)
~ F(k-1, n-k)
ee /(n k )
(4.22)
100
Econometra Moderna
Lo cual muestra que ninguna relacin se puede establecer entre la variable dependiente y las
variables que se crean la explicaban. Si se realiza la estimacin, se obtendr como resultado
que la constante sera igual a la media de la variable independiente (queda como ejercicio al
lector), lo cual es una identidad, dado que el modelo dir que cada observacin de la variable
dependiente es igual a su media ms un trmino de error, algo que no agrega mayor
informacin.
Esta prueba es reportada en todos los programas estadsticos bajo el nombre de estadstico F
(F-Statistic). Debemos notar que la expresin 2 (X 2 M 0 X 2 ) 2 es igual a la suma explicada de
cuadrados que se deriv para el caso del modelo lineal general cuando inclua intercepto. Por
otro lado, ee es la suma de residuos al cuadrado. Si existe intercepto, se sabe que la suma de
las dos expresiones es igual a la suma total de cuadrados; por lo tanto, se puede realizar la
siguiente transformacin:
2 (X 2 M 0 X 2 ) 2 /(k 1) SEC /(k 1)
R 2 /(k 1)
=
=
ee /(n k )
SRC /( n k ) (1 R 2 ) /( n k )
(4.23)
0.785
2 (X 2 M 0 X 2 ) 2 0.739
0.350
k 1
=
ee
nk
19.624
4.841
296.81 0.350
1.145
= 172
el valor de tablas ( = 0.05) es 2.6 por lo que no se puede aceptar la hiptesis nula. La
conclusin es que el modelo es estadsticamente significativo con un 95% de confianza. Este
resultado da la tranquilidad de poder seguir adelante con el anlisis de la estimacin.
101
Econometra Moderna
R = [O k d , I d ] = .
.
0
. 0 1 0 . . 0
. . 0 1 . . 0
. . . . . . .
. . . . . 1 0
. 0 0 . . . 1
Como se aprecia, las primeras k-d columnas de la matriz estn llenas de cero indicando que
no se quiere analizar los primeros k-d parmetros. A continuacin tenemos una matriz identidad
de orden d indicando que se analizarn cada uno de los d ltimos parmetros.
Dado este orden, se puede escribir el modelo general como uno particionado de la siguiente
forma:
Y = X11 + X 2 2 +
donde X1 es una matriz con k-d columnas, X 2 es de d columnas. Los vectores 1 y 2 son
particiones que conforman el vector original . En este caso la expresin R es igual a 2 .
Por otro lado:
X X
X X = 1 1
X 2 X1
X1 X 2
X 2 X 2
Por tanto R (X X) 1 R ser la inversa del elemento inferior derecho de nuestra matriz X X ,
es decir, la premultiplicacin por R y la postmultiplicacin por R eliminan las primeras k-d
columnas y las k-d primeras filas.
Recordando la frmula de la inversa de una matriz particionada, se obtiene que la inversa de
la expresin que nos interesa ser:
( X 2 X 2 X 2 X 1 ( X 1 X 1 ) 1 X 1 X 2 ) 1 = ( X 2 M 1 X 2 ) 1
donde M1 = I n X1 (X1 X1 ) 1 X1 es la matriz de proyeccin ortogonal sobre el espacio
definido por la variables que conforman la matriz X1 . Entonces el estadstico F para este caso
ser igual a:
( 2 02 ) (X 2 M1X 2 )( 2 02 ) / d
~ F(d, n-k)
e e /( n k )
(4.24)
102
Econometra Moderna
1.145
Si se compara este valor con el valor de tabla que es de 3.00 se ver que no se puede
rechazar la hiptesis nula y por tanto se podr imponer estas restricciones en el modelo.
103
Econometra Moderna
donde SRR es la suma de residuos al cuadrado del modelo restringido, SRS es la suma de
cuadrados del modelo sin restringir. Las dems expresiones son las usuales.
Como ya se ha mencionado la SRR ser siempre mayor o igual a la SRS, por lo que se
asegura que el numerador sea positivo o cero. Ahora cmo se llega a esta expresin? Para
poder demostrar la similitud entre esta prueba y la prueba general que se ha planteado se
trabajar con el caso especial para 1<d<k-1 que se ha visto lneas arriba. Adems, se trabajar
con el caso en que 02 = 0 d
Si tenemos un modelo particionado estimado de la forma planteada en el acpite anterior, el
primer paso ser multiplicarlo por M1 :
2.
(4.25)
(4.26)
104
Econometra Moderna
Comparemos este resultado con (4.24). Si en dicha expresin se analiz el caso especial en
que se verifica la hiptesis que los d parmetros de inters son iguales a cero, dicha expresin
es igual a (4.26). entonces (4.24) quedara transformado en
(SRR SRS) / d
ee /(n k )
(4.27)
donde el nico cambio es que q ha sido reemplazada por d. Esta demostracin se est haciendo
para un caso particular de la prueba F para restricciones lineales y se ha mostrado la
equivalencia de las dos estrategias planteadas para la realizacin de la prueba. Sin embargo,
puede comprobarse que el resultado se aplica para todos los casos de la prueba F.
En resumen, existen dos estrategias para la realizacin de la prueba F:
1.
La primera consiste en trabajar con expresiones como (4.20) en donde se utiliza para la
construccin del Estadstico las matrices R y q, o
2.
Se estiman dos modelos: uno restringido y uno no restringido y se comparan las sumas de
residuos al cuadrado de ambos modelos.
El camino que se utilice depender de las preferencias del usuario. Para restricciones
simples quizs sea ms recomendable utilizar la segunda estrategia. El siguiente ejemplo
puede ayudar:
Si se plantea un modelo de la siguiente forma:
Yt = 1 + 2 X 2 t + 3 X 3t + 4 X 4 t + 5 X 5 t + t
(4.28)
105
Econometra Moderna
"
= 2 X Y + 2 X X r 2 R = 0
r
"
= 2( R r r ) = 0
(i)
R r r = 0
(ii)
= R (X X ) 1 R
( r R )
106
Econometra Moderna
(X X) r X Y R R (X X) 1 R
(r R ) = 0 k
1
r = ( X X ) 1 X Y + ( X X ) 1 R R( X X ) 1 R (r R )
(4.29)
Si nos detenemos a analizar esta expresin notaremos que el primer trmino de la derecha es
el estimador MCO al que se le realiza una correccin. La magnitud de la correccin ser una
funcin directa de la expresin (r R ) . Esta expresin nos indica cun cerca est el estimador
no restringido de cumplir con la restriccin. Si la restriccin es correcta esta expresin ser
cercana a cero, por lo que el estimador MCR ser muy parecido (o igual en el lmite) al
estimador MCO. Por el contrario, si el estimador MCO no cumple con las restricciones, ello
implica que la correccin que debe realizarse es grande para obtener el estimador MCR y por
tanto ambos sern diferentes.
Como tarea se deja al lector analizar el insesgamiento del estimador MCR. Como ayuda
puede mencionarse que debemos suponer que la restriccin se cumple para probar el
insesgamiento. Por otro lado, debe sobreentenderse que el estimador MCR cumple con las
restricciones dado que ha sido construido sobre la base de imponer en la minimizacin de los
errores al cuadrado con las restricciones. Esto se puede comprobar de la siguiente manera:
1
R r = R + R( X X ) 1 R R( X X ) 1 R (r R ) = R + r R = r
Var ( r ) = 2 (X X) 1 (X X) 1 R R (X X) 1 R R (X X ) 1
(4.30)
A estas alturas del libro, ustedes deben estar familiarizados con el clculo de las varianzas
de diferentes estimadores por lo que queda como tarea la derivacin de esta expresin. Sin
embargo, algo que debe notarse es que la varianza del estimador MCR es menor que la del
estimador MCO. La intuicin de este resultado descansa en la imposicin de las restricciones.
Estas lo que hacen en la prctica es acotar el espacio donde estn definidos los parmetros por
lo que la varianza ser menor. Ojo: esto no quiere decir que el estimador MCR sea ms
eficiente que el estimador MCO. Nosotros hemos comprobado por el teorema de Gauss-Markov
la eficiencia del estimador MCO. En este caso debido al acotamiento del espacio la varianza
resulta menor pero no implica una superioridad del estimador MCR sino que es un resultado
matemtico.
Regresando al modelo de demanda que ha servido de ejemplo en este captulo, se realizar
el ejercicio inicial de las restricciones lineales sobre los parmetros por la va de la
comparacin de las sumas de los residuos al cuadrado. Como se recuerda las hiptesis nulas
son:
H 0 : 2 + 3 + 4 = 0
2 = 4
3 = 1
H1 : Al menos una no se cumple
107
Econometra Moderna
Dados los resultados que ya se conocen los valores restringidos estimados seran:
LnQ d
1.057
Como se aprecia los estimados cumplen con las tres restricciones planteadas: la suma de los
tres ltimos parmetros es igual a cero, la elasticidad precio y cruzada son iguales y la
constante y la elasticidad ingreso son iguales.
Otro resultado es que las desviaciones estndar son menores que los estimados no
restringidos y los estadsticos t son mayores. Una cosa adicional a notar es que todos los
estadsticos t son iguales en valor absoluto. Ello se debe a que el grado de significacin es de
alguna forma forzado por las restricciones y como los cuatro estimados estn sujetos a
restricciones el grado de significacin estadstica es el mismo.
Sobre la base de los estimados anteriores se procedi a realizar las pruebas mediante la
utilizacin de las sumas residuales. Los resultados se presentan a continuacin:
(SRR SRS) / q (268.32 167.69) / 3
=
= 39.208
e e /(n k )
0.8556
el estadstico F calculado no es igual al obtenido anteriormente (36.2) pero son similares, por
lo que los resultados de ambas pruebas son equivalentes y las conclusiones las mismas: No se
pueden aceptar las restricciones planteada en la hiptesis nula.
T
TRICOso
ScSir
Estimado
Desv. Estndar
C (constante)
LnPx
LnI
LnPy
R cuadrado
R cuadrado aj.
Error St. Regresin
2.0973
-.07853
0.7395
-0.3505
0.1512
0.0453
0.0488
0.0497
0.7253
0.7211
0.9249
Estadstico t
13.8667
-17.3273
15.1276
-7.0463
Med. de Var Dep
Desv. Est. Var. Dep.
Estadstico F
Prob(est t)
0.0000
0.0000
0.0000
0.0000
1.3901
1.7517
172.5799
108
Econometra Moderna
Sum Res al Cuadrado
Prob(Estadstico F)
0.0000
11
Como ya se ha mencionado al inicio de este captulo esta terminologa no es la ms adecuada, pero es la que se
usa comnmente.
109
Econometra Moderna
Al momento de sacar las conclusiones, algo que debe haber llamado la atencin es que el
punto de corte sea por ejemplo 0.05. Ello significa que solamente cuando la probabilidad es
menor al 5% no se puede aceptar la hiptesis nula. Algunos de ustedes probablemente se
preguntarn por qu el punto de corte es 0.05 y no 0.5 como indicara el sentido comn? La
respuesta est en el significado del . Recordemos que lo que mide esta expresin es la
probabilidad del error tipo I y esto lo escoge el usuario. Escoger 0.05 implica aceptar que existe
un 5% de probabilidad de rechazar una hiptesis verdadera. Recordemos el ejemplo del juicio
que mencionamos al inicio del captulo. Lo que se hace al escoger un 0.05 como punto de
quiebre es exigir que la evidencia en contra de la hiptesis nula sea tan fuerte que la
probabilidad de que sea cierta la nula sea menor al 5%. Slo as nos arriesgaremos a decir que
no podemos aceptar la hiptesis nula a pesar que existe un 5% de probabilidad de que sea
cierta.
Como ya se ha mencionado, el nivel de significacin estadstica lo escoge el usuario. Aqu
se ha mencionado el 5% porque es lo estndar en todos los paquetes pero de hecho uno podra
aumentar o disminuir el segn su criterio. Si alguien se pone ms exigente probablemente
escoger un de 0.01 o alguien menos exigente escoger un nivel de 10%.
110
Econometra Moderna
cuando se habla de 10,000 estimaciones se est refirindo a que se han generado 10,000
muestras aleatorias y con dichos datos se ha procedido a la estimacin del modelo. Sin
embargo, estas muestras han sido generadas siguiendo un patrn: las elasticidades
verdaderas12 son -0.75, 0.8 y -0.35, por lo que la suma de las tres es igual a -0.3. Si nos
detenemos un momento a observar el grfico se ver que justamente el -0.3 es el centro de la
distribucin. No todos los valores son iguales a -0.3 porque interviene un factor aleatorio que
puede hacer que difieran los resultados de manera no sistemtica. Pero lo que conviene resaltar
es el hecho que la distribucin est centrada en el valor verdadero(-0.3).
Recordando la hiptesis nula, sta se refera al cumplimiento de la homogeneidad de grado
cero o que la suma de las elasticidades es igual a 0. Como se ve el cero est ubicado en el
extremo derecho de la distribucin por lo que est muy alejada del verdadero centro de la
distribucin. Por ello es que la conclusin es que no se puede aceptar la hiptesis nula.
Por otro lado, dados los resultados se sabe que la elasticidad precio estimada es 0.785 y se
desea verificar si este valor es congruente con una distribucin cuya media es igual a 0.75
(que es el valor que se ha supuesto como verdadero cuando hemos generado la muestra). Si se
quiere aplicar una prueba t para ello el valor calculado se halla de la siguiente forma:
(0.785 + .75)
= 0.773
0.0453
12
El trmino verdadero est entre comillas debido a que el modelo fue generado de la siguiente forma:
LnQd= 2 - 0.75lnPx + 0.8LnI - 0.35LnPy + rndn. El ltimo trmino rndn indica que a la anterior expresin se le est
agregando un trmino aleatorio. A su vez, LnPx, LnI y LnPy tambin han sido construidas a travs del generador de
nmeros aleatorios. Con este tipo de procedimiento estamos generando muestras aleatorias pero que responden a un
proceso generador de datos similar.
111
Econometra Moderna
como se sabe los valores crticos para ms de 100 grados de libertad son aproximadamente 2 y
2 respectivamente. La conclusin es que no se puede rechazar la hiptesis nula. Si se observa
el siguiente grfico se ve que la distribucin est centrada en 0.75 (que es el valor con el cual
fueron generados los datos). Un valor de 0.785 si bien no es igual a 0.75 se observa que en
trminos de la distribucin que se presenta cae dentro de la zona de aceptacin.
Sin embargo, debe mencionarse que un valor de 0.95 aparecera como muy lejano, y
seguramente se tendera a no aceptar la hiptesis nula. Pero se observa que todos los valores
reportados en el grfico responden a un modelo verdadero con una elasticidad precio igual a
0.75, pero por factores meramente aleatorios el valor calculado en un modelo especfico (una
muestra en particular) es de 0.95 y en trminos de la distribucin se tendera a no aceptar la
hiptesis nula cuando es verdadera. Esto ilustra el error tipo I en el cual se puede caer y por
ello es que algunos investigadores tienden a ser muy exigentes y elevan el nivel de significacin
de ciertas pruebas. No obstante, como ya se mencion el nivel de significacin estndar es 0.05.
Algo que debe quedar en claro a partir de todo lo discutido en este captulo es que cualquier
ejercicio de inferencia implica cierto grado de incertidumbre. La idea de las pruebas de
hiptesis es someter al juicio de los datos las afirmaciones que se pueden derivar de la teora
(expresadas en forma de restricciones). Sin embargo, nunca podemos estar seguros sino hasta
cierto grado de certeza el cual no ser absoluto.
112
CAPTULO 5
MXIMA VEROSIMILITUD
Econometra Moderna
Mxima Verosimilitud
se calcula a partir de una funcin de probabilidad especfica por lo que es crucial partir
tomando en cuenta una de ellas.
Para comprender mejor qu implica este principio consideremos el siguiente ejemplo.
Supongamos una variable aleatoria y continua con media desconocida () y una desviacin
estndar unitaria. Supongamos tambin que esta variable se distribuye normalmente y que se
cuenta con dos hiptesis alternativas ( =0 y = 1) y una observacin x1 (en definitiva:
XN(,1)). Segn el principio de mxima verosimilitud, se debe elegir aquella hiptesis que
haga mxima la probabilidad de ocurrencia de x1. Para esto se compara el valor de la funcin de
densidad para x1 bajo ambas hiptesis.
Figura 5.1.
A partir del grfico anterior se aprecia que es la hiptesis =0 la que garantiza el mayor
valor en la funcin de densidad para x1. Generalizando el resultado anterior, consideremos
ahora todos los posibles valores de y elijamos aquel que otorga a x1 el mayor valor en la
funcin de densidad. Definamos la siguiente funcin de densidad de x dado :
f (x / ) =
1 (1/ 2 )( x )2
e
2
Se calcula ahora el valor de que maximiza la funcin anterior, dada la observacin x1. Si
nos referimos al grfico la respuesta consiste en igualar =x1, de modo que la distribucin
tenga a x1 como media asignado a este evento la mayor probabilidad. Para comprender este
resultado en trminos matemticos conviene reconocer antes que x1 es un valor dado mientras
que es variable. En este sentido, podemos considerar la funcin de densidad como una
funcin de con x1 como dado. Tomando en cuenta esta salvedad, definamos ahora la nueva
funcin como la funcin de verosimilitud:
L ( / x1 ) =
1 (1/ 2 )( x1 )2
e
2
Ntese que el logaritmo de la funcin anterior tambin ser mximo para el mismo valor de
que la funcin original, por lo que resulta conveniente hallar el mximo de la funcin
logL() (funcin log-verosmil) debido a que resulta ms sencillo en trminos matemticos:
114
Econometra Moderna
Mxima Verosimilitud
log L ( )
= x1 = 0
1 (1/ 2 )( x1 ) 2 1 (1/ 2 )( x2 ) 2
f (x1 , x 2 / ) =
e
e
2
2
Tal como se hizo en el caso anterior, esta funcin puede ser reinterpretada como la funcin
de verosimilitud de dados x1 y x2, la cual se maximiza indirectamente a travs de su
logaritmo:
115
Econometra Moderna
Mxima Verosimilitud
De esta manera, se est eligiendo aquel valor de que garantiza la mayor probabilidad de
ocurrencia para x1 y x2 conjuntamente. Si se pretende estimar a travs de MCO, lo que se
busca es minimizar la suma de cuadrados de los errores. Formalmente:
(x1 ! ) 2 + (x 2 ! ) 2 = SE 2
y derivando con respecto a ! :
SE 2
= 2( x1 ! ) 2( x 2 ! ) = 0
!
2! x1 x 2 = 0
1
! = 2 ( x1 + x 2 )
Consideremos ahora otro ejemplo que ayude a un mejor entendimiento de lo que significa e
implica la estimacin por Mxima Verosimilitud. Para esto, supongamos que se pretende
evaluar la calidad de determinado producto a partir de una muestra de diez elementos.
Evidentemente, si se encontraran cuatro productos defectuosos se podra estimar que la
proporcin total de productos que son defectuosos es 0.5. Si se considera este problema desde
la perspectiva de la estimacin por mxima verosimilitud, sin embargo, el enfoque resultara un
tanto distinto. En primer lugar hay que suponer una distribucin de probabilidad que refleje el
problema (en este caso elegimos una distribucin binomial dado que tenemos dos resultados
posibles). Partiendo de esta distribucin, supongamos que se extrae una muestra aleatoria de n
productos y que la probabilidad de que uno de stos sea defectuoso viene dado por . As, si
dentro de la muestra se encuentran D productos defectuosos, la probabilidad (P) de hallar D
productos defectuosos en la muestra vendra dada por:
P=
n!
D (1 ) n D
D !(n D)!
116
Econometra Moderna
Mxima Verosimilitud
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
probabilidad
0.01116026
0.08808038
0.20012095
0.25082266
0.20507813
0.11147674
0.03675691
0.00550502
0.00013778
Como se puede apreciar, cuando = 0.1 se tiene que P = 0.01116, de modo similar, fijando
= 0.2 se tiene que P = 0.0880. Si continuamos con este proceso descubriremos que el valor
de que maximiza P es 0.4, el cual arroja un PMAX =0.2508. En otras palabras, el valor de
que maximiza la probabilidad de ocurrencia de la muestra observada (D = 4 para n = 10) es, por
tanto, = 0.4. Esta corresponde a la estimacin de mxima verosimilitud del valor poblacional
de . Este proceso de tanteo se pude complicar mucho ms si tomamos en cuenta funciones de
probabilidad mucho ms complejas. Sin embargo, en la prctica esta es la forma en que se
obtienen la mayora de estimados de mxima verosimilitud. El proceso de bsqueda se
complica mucho ms y para ello se utilizan algoritmos de bsqueda especializados.
Un mtodo alternativo que puede ser utilizado cuando se trabajan problemas relativamente
sencillos es el mtodo analtico. Esto implica obtener una solucin algebraica al problema de
hallar el estimador de mxima verosimilitud en funcin de los datos muestrales. Dado que el
principio de mxima verosimilitud implica hacer que la muestra se parezca lo ms que se pueda
a la poblacin ello implica que hallemos el valor de que maximice la funcin de probabilidad
planteada lneas arriba. En trminos matemticos, ello implica derivar la funcin de
probabilidad con respecto a e igualar esta derivada a cero :
n!
n!
! D 1 (1 ! ) n D (n D)
! D (1 ! ) n D 1 = 0
= D
!
D !(n D)!
D !(n D)!
D! D 1 (1 ! ) n D = (n D) ! D (1 ! ) n D 1
D! 1 = (n D)(1 ! ) 1
D
! =
n
donde ! es precisamente el estimador de mxima verosimilitud, en este caso:
= D / n = 4 / 10 = 0.4 que coincide con lo que la intuicin y el mtodo del tanteo nos haban
arrojado.
117
Econometra Moderna
Mxima Verosimilitud
Para esto, supongamos una muestra (X1,X2,...Xn) que ha sido extrada de una funcin de
distribucin P(Xi/) donde representa al conjunto de parmetros que determina la funcin de
densidad de X. Supongamos tambin que cada elemento de la muestra se distribuye
independientemente con funcin de distribucin P(Xi/). De esta forma, la funcin de
distribucin conjunta de toda la muestra vendra dada por:
P( X 1, X 2, ... Xn / ) = P ( X 1 / ). P( X 2 / )... P( Xn / )
n
= P ( Xi / )
i =1
Tal como en los ejemplos planteados anteriormente, los valores de la muestra (Xi) son
dados, por lo que el problema se reduce a preguntar cul es el valor de que maximiza la
probabilidad de ocurrencia de los valores observados (Xi). En este sentido tenemos que la
funcin de verosimilitud vendra dada por:
n
L() = P ( X i / )
i =1
log L()
= S () = g ()
118
Econometra Moderna
Mxima Verosimilitud
2 log L()
E
= E [ H ()] = I ()
'
Bajo ciertas condiciones de regularidad (las que se pasan a analizar ms adelante), la
varianza del estimador de mxima verosimilitud viene dada por la inversa de la matriz de
informacin (propiedad que tambin ser verificada ms adelante):
[ ]
Var (! MV ) = I (! )
Var (! )
1
log L()
E
El grfico que presentamos contiene dos funciones log-verosmiles L1 y L2. Ambas tienen
un mismo mximo pro diferente curvatura. La curva L1 es ms abierta que L2 por lo que esta
ltima presenta una mayor curvatura. Del grfico se desprende que en el caso de L2 el
parmetro presenta un menor margen de variabilidad dado que el espacio en el cual puede
moverse es menor que en el caso de L1. Por ello esperaramos que en el caso de L2 el
119
Econometra Moderna
Mxima Verosimilitud
parmetro que se obtenga tenga una menor varianza que en el caso del que se obtenga si
utilizamos L1. Entonces podemos concluir que a mayor curvatura la varianza ser menor y
viceversa. Esto nos da la intuicin de la relacin inversa que existe entre la matriz de
informacin y la varianza de los parmetros. En el caso de la matriz de informacin vemos que
se toma la esperanza del negativo de la matriz de segundas derivadas (el hessiano de la funcn
log-verosmil). Esto se explica porque la matriz de segundas derivadas de una funcin que
presenta un mximo es negativa definida. Como las varianzas no pueden ser negativas se toma
el negativo de la matriz para asegurar que las varianzas sean positivas.
2 u 'u
1
1
f ( u) =
e 2 u
n/2
2 n/2
(2 ) ( u )
L(,
2 ( y x )'( y x )
1
1
2 u
/ y, x ) =
e
n/2
2 n/2
(2 ) ( u )
1
n
n
log L (, 2 u ) = log 2 log 2 u
( y x )' ( y x )
2
2
2 2 u
la cual se deriva respecto a ambos parmetros:
log L
1
= 2 [2x' ( y x )] =
2 u
2 x' ( y x ) =
(x' x ) = x' y
! = (x' x ) 1 x' y
120
Econometra Moderna
Mxima Verosimilitud
log L
n
1
= 2 +
( y x )' ( y x ) = 0
2
u
2 u 2 4 u
( y x )' ( y x ) = ( 2 u )n
( y x! )' ( y x! ) u!' u!
! 2 u =
=
n
n
De esta forma, se verifica que, bajo los supuestos de normalidad del trmino de error y
forma lineal del modelo, el estimador de mxima verosimilitud de coincide con el estimador
MCO. El estimador de la varianza del trmino de error, sin embargo, difiere del obtenido a
travs de MCO, siendo ahora sesgado:
n k !2
nk 2
MICO =
u
E (! 2 MV ) = E
n
n
Sin embargo, y tal como se verifica en la expresin anterior, el sesgo del estimador de
mxima verosimilitud tiende a cero al aumentar el tamao muestral y se aproxima, por tanto, al
estimador MCO.
Analicemos ahora la matriz de informacin y la varianza de los estimadores de mxima
verosimilitud del modelo lineal general. Se sabe que las matrices de score para ambos
parmetros son:
log L
1
= 2 [2 x '( y x)]
2 u
log L
1
n
= 2 + 4 ( y x)' ( y x)
2
u
2 u 2 u
Diferenciando nuevamente con respecto a cada parmetro resulta que:
2 log L
1
= 2 x' x
'
u
2 log L
( )
2u
n
1
6 ( y x)' ( y x)
4
2 u u
2 log L
1
= 4 ( x ' y x ' x )
2
u
2 u
121
Econometra Moderna
Mxima Verosimilitud
2 log L
1
E
= 2 x' x
' u
2
log L
1
n
E
= 4 + 6 E (u' u)
2
2 u u
2u
n
n
= 4 + 6 2u
2 u u
n
=
2 4 u
2 log L
1
E
=
E[ x '( x + u) x ' x]
2
4
u 2 u
( )
1
( x ' x x ' x )
2 4 u
=0
=
0
2 4 u
Tal como lo indica el resultado anterior, los resultados obtenidos a travs de la estimacin
por mxima verosimilitud son similares a los obtenidos a travs de MCO. Ya se sabe que la
varianza del estimador MCO es igual 2u(xx)-1, sin embargo, para verificar el segundo
resultado es necesario realizar un desarrollo adicional. Considerando que el estimador MCO de
la varianza del trmino de error viene dado por:
! 2 u =
u!' u!
nk
y que:
u!' u!
2 ( n k )
2u
se tiene:
! 2 u
2u 2
(nk )
nk
Sabemos tambin que la varianza de una distribucin chi-cuadrado es igual a dos veces sus
grados de libertad, por lo tanto:
122
Econometra Moderna
Mxima Verosimilitud
Var (! 2 u ) =
=
4u
2( n k )
(n k ) 2
2 4 u
(n k )
1
d
N , { I ()}
P2. Normalidad asinttica: !
3 LogL( X i , )
es menor a una funcin con esperanza
j k l
123
Econometra Moderna
C1.
Mxima Verosimilitud
2 LogL( X i , )
LogL( X i , )
, Hi =
, son todas muestras
aleatorias de variables aleatorias. Es decir el score eficiente y el hessiano de la funcin
log-verosmil son muestras de variables aleatorias.
LogL( X i , ), S ( ) =
C2. E(S()i) = 0
C3. Var(S()i) = -E(Hi)
Pasemos ahora a verificar las caractersticas enunciadas anteriormente. Para esto
supongamos un rango para Xi: L() Xi U(). L(.) representa el valor mnimo que puede
tomar X y U(.) el valor mximo. Consideremos la estimacin por mxima verosimilitud de
para una distribucin continua y uniforme con rango (0,) donde el integral x dx indica la
integracin mltiple sobre todos los elementos de Xi, formalmente:
U ( )
L()
P( X / )dx = 1
U ( )
L( )
P( X / )dx
U ( ) P ( X
L( )
/ )
dx + P(U ( ) / )
L ( )
U ( )
P( L( ) / )
=0
Para poder intercambiar los operadores de integracin y diferenciacin es necesario que los
dos ltimos elementos sean iguales a cero. Para esto, una condicin suficiente es que el rango
de la variable observada (Xi) no dependa de los parmetros lo que implica que:
L( ) = U ( ) = 0. Segn lo anterior, y considerando la segunda condicin de
P( X , )dx
P ( X , )
dx
log P( X , )
=
P( X , ) dx
log P( X , )
= E
=0
con lo que se verifica la segunda caracterstica.
Dado que podemos intercambiar los operadores diferenciemos nuevamente para obtener:
2 log P( X , )
log P ( X , ) P( X , )
P( x, ) +
dx = 0
'
'
124
Econometra Moderna
Mxima Verosimilitud
Considerando que:
log P( X , )
P ( X , )
= P( X , )
'
'
y que la integral de una suma es la suma de los integrales se tiene que:
2 log P( X , )
log P ( X , ) log P( X , )
P( X , )dx =
P( X , )dx = 0
'
'
= Var
'
'
por tanto1:
log L
=g=
gi
i =1
n
log L
= H = Hi
'
i =1
2
log L
E
= E[g ] = 0
n
i =1
125
Econometra Moderna
Mxima Verosimilitud
2 log L
log L
Var
= E( H)
= Var ( g ) = E
'
[g(! ) = 0] .
Expandiendo este conjunto de ecuaciones en una serie de Taylor de segundo orden alrededor de
los verdaderos parmetros tenemos:
1
g ( ! ) = g ( ) + H ( )( ! ) + T ( *, ! , ) = 0
2
El tercer trmino de la ecuacin anterior es una funcin vectorial que incluye la tercera
derivada de logL evaluada en * (que se encuentra entre ! y ) y cuyos trminos cruzados
vienen dados por: ( ! j j )( ! l l ) . Replanteando la expresin anterior y multiplicndola
por
n tenemos:
1
n ( ! ) = [ H ( )]
ng ( )
1
2
n [H ( )]
[T (*, ! , )]
La tercera condicin de regularidad (R3) asegura que la tercera derivada converge a una
constante finita, adems, debido a que Plim( ! ) = 0 , los trminos cruzados en esta parte de
la expansin convergen a cero. En definitiva, y para muestras lo suficientemente grandes, el
lado derecho de la ecuacin anterior ya no involucra a T( *, ! , ) (recordemos que la
tercera condicin de regularidad permite truncar la serie de Taylor). Por tanto, la expresin
anterior se reduce a:
1
d
n !
[ H ()]
ng ()
n !
1
n
H ()
] [ ng ]
1
Lim P( x u > ) = 0
n
es decir que la diferencia entre cualquier variable aleatoria (x) y su media (u) tiende a ser muy pequea a medida que
el tamao de la muestra tiende a crecer. No implica que la esperanza en el lmite sea igual al verdadero parmetro.
Esto se ver en ms detalle en el captulo 10.
126
Econometra Moderna
Mxima Verosimilitud
[ ng ] es E[H()] ):
N {0, E [ H ()]}
ng ()
1
n
1
n
H ( )
N 0, { E [ H ()]}
ng ()
y, por lo tanto:
1
d
N 0,{ E [ H ()]}
n !
1
d
N , {I ()}
!
1 n ( x )
n
n
log L( , 2 ) = log(2 ) log 2 i 2
2
2
2 i =1
Segn el Teorema del Lmite Central de Lindberg-Levy, si x1,...xn es una muestra aleatoria de una distribucin con
media finita (vector ) y una matriz de covarianzas finita y definida positiva (Q) se tiene que:
d
N (0, Q)
n ( xn )
donde
xn =
1 n
xi
n i =1
127
Econometra Moderna
Mxima Verosimilitud
log L
1
= 2
( xi ) = 0
i =1
log L
1
n
= 2 + 4
2
2
2
( xi ) 2 = 0
i =1
! =
1 n
xi = x
n i =1
! 2 =
1 n
( xi x ) 2
n i =1
1
. De esta forma, la funcin log-verosmil vendra
2
dada por:
1 n
n
n
log L( , 2 ) = log(2 ) + log 2 2 ( xi ) 2
2
2
2 i =1
Resulta fcil verificar que el estimador de mxima verosimilitud de sigue siendo x , sin
embargo la ecuacin log-verosmil de 2 sera, en este caso:
n
log L( , 2 ) 1 n
2
=
2 ( xi ) = 0
2
2
i =1
! 2 =
n
n
( xi ! ) 2
1
! 2
i =1
2 =
1
1
es 2 , con lo que se verifica la propiedad de invarianza.
2
!
128
Econometra Moderna
Mxima Verosimilitud
pruebas de inferencia dentro del contexto de mxima verosimilitud. Veremos que los principios
que guan la inferencia en este contexto son aproximaciones y por ello no se realizan tests
exactos sino asintticos. Por tanto, se utilizan distribuciones aproximadas siendo la ms
utilizada la chi cuadrado. Veremos tambin cmo pruebas ya estudiadas son derivaciones o
casos especiales de las pruebas que aqu revisaremos.
Bajo el esquema de mxima verosimilitud son tres las pruebas que estudiaremos: la prueba
de Wald, la prueba de los multiplicadores de Lagrange y la prueba del ratio de verosimilitud.
Los tres procedimientos son asintticamente equivalentes. Sin embargo, existe una diferencia
fundamental entre ellos. La prueba de Wald evala nicamente una estimacin irrestricta del
modelo, la prueba de Lagrange utiliza una estimacin restringida y, finalmente, la prueba del
ratio de verosimilitud utiliza tanto la estimacin restringida como la irrestricta. En la prctica,
por tanto, la eleccin de determinada prueba depende de cual estimacin resulta ms fcil de
computar.
Pasemos ahora a formalizar el planteamiento de estos estimados. Supongamos que el
estimador sin restringir (irrestricto) del vector de parmetros es ! y queremos probar la
restriccin generalizada H0:f() = 0 contra la alterna H1:f() 0. La funcin f() debe ser
diferenciable de tal forma que permita la estimacin de todos los parmetros restringidos.
RV =
L( )
<1
L(! )
r
dado que por definicin L(! ) > L(! r ) 6. Se necesita ahora expresar el ratio anterior en una forma
que tenga una distribucin asinttica bien definida, lo que puede lograrse expandiendo logL()
en una serie de Taylor alrededor del estimado sin restringir. Teniendo en mente las condiciones
de regularidad enunciadas en la seccin previa es factible expresar el logaritmo de la funcin de
verosimilitud de la forma:
2 log L() !
log L() 1 !
( )
2
'
[ ]
Evidentemente, evaluada en !
Esto queda claro si tomamos en cuenta que una maximizacin sin restricciones nos permite alcanzar un mximo que
siempre ser mayor o igual que una maximizacin con restricciones. En el mejor de los casos lo que tenemos es que
los valores maximizados sern iguales si es que la restriccin pasa por el punto de maximizacin global de la funcin.
129
Econometra Moderna
Mxima Verosimilitud
log L()
= S () = 0
2 log L() p
I ()
'
1
log L() = log L(! ) + (! )' I (! )(! )
2
Aplicando logaritmos al ratio de verosimilitud tenemos que:
( )
N 0, I () 1
n !
130
Econometra Moderna
Mxima Verosimilitud
2 log L
(pendiente) de la funcin log-verosmil que definiremos como R ( ! ) =
evaluada en
2
= ! . Para una distancia dada ( ) , mientras mayor sea la curvatura o pendiente de la
0
funcin log-verosmil, mayor ser la distancia (1/2)RV. Resulta sencillo verificar lo anterior si
nos remitimos al grfico. Evidentemente, la funcin L1 presenta una mayor pendiente y resulta
comprobar que dada la distancia ( ! ) en el eje de las abcisas, la distancia
0
para la funcin L2, de modo que con la primera funcin se tendera a rechazar la hiptesis
= 0 ms fcilmente que con la funcin L2. Si la curvatura de la funcin es grande entonces
la variabilidad de alrededor de su estimado de mxima verosimilitud ! ser pequea como
ya vimos en secciones anteriores.
131
Econometra Moderna
Mxima Verosimilitud
Sin embargo, este estadstico utiliza la curvatura promedio de la funcin medida a travs de
la matriz de informacin, la cual, como se sabe, sera la inversa de la varianza del estimador.
W = ( ! 0 ) 2 I ( ! )
Se puede ahora generalizar la expresin anterior para un grupo (f) de restricciones no
lineales (f() = 0) sobre k parmetros (f < k) y el estadstico de Wald (1943) vendra dado por:
]{
W = g ( ) ' F ( I ( )) 1 F '
g ( )
W = ! ( I (! )) 1 !
! 2
=
2 (1)
!
Var ()
Dado que la inversa de la matriz de informacin es precisamente la varianza del estimador
de mxima verosimilitud, el test de Wald, en este caso, sera simplemente el cuadrado del test t
de significancia para una restriccin sobre un slo parmetro de una regresin lineal.
Un ejemplo adicional que nos permite entender esta prueba y todas las expresiones que
aparecen en l es el siguiente: Supongamos que nuevamente estamos estimando una demanda
de un bien y tenemos la siguiente funcin a estimar:
LnX d = 1 + 2 LnPx + 3 LnPy + 4 LnY +
A partir de este modelo se plantean las siguientes restricciones:
Ho : 2 + 3 + 4 = 0
2 1 + 4 = 3
H 1 : al menos una no se cumple
En la hiptesis planteada tenemos dos restricciones. La primera de ellas se refiere a la
homogeneidad de grado cero y la segunda puede haber sido planteada para el investigador para
el caso especfico que se est analizando. Si bien estamos empleando un modelo lineal similar
al utilizado en el contexto de mnimos cuadrados ordinarios, ste puede ser muy til para
ilustrar la prueba de Wald. En primer lugar, podemos decir que la funcin g ( ) =0 implicara
igualar ambas restricciones a cero. Ello implica pasar el 3 a la izquierda en el caso de la
segunda restriccin. As las restricciones quedaran de la siguiente forma:
132
Econometra Moderna
Mxima Verosimilitud
+ 3 + 4 = 0
g ( ) : 2
2 1 + 4 3 = 0
Dado esto calculemos la derivada de la funcin g con respecto al vector de parmetros .
Realizando esto obtenemos:
g ( ) 0 1 1 1
=
2 0 0 1
Notemos que esta derivada tiene una forma equivalente a la matriz R que utilizamos en el
contexto de la prueba F analizada en el captulo 4.
Ahora sabemos que por construccin los parmetros restringidos estn construidos para
cumplir con las restricciones. Entonces la pregunta que se hace la prueba de Wald es si los
parmetros sin restringir cumplen con la restriccin. El hecho de igualar a cero las restricciones
nos permite analizar una distribucin con media cero. Si remplazamos los parmetros estimados
sin restringir dentro de g el valor obtenido es distinto de cero salvo que las restricciones estn
perfectamente planteadas. La idea es analizar si esa diferencia de cero es significativa o no.
Tomando en cuenta esto, y si los resultados obtenidos de la estimacin sin restringir son los
siguientes:
LnX d = 1.04 0.75 LnPx + 0.70 LnPy + 0.51Lny
Aqu se han tomado con dos decimales los resultados obtenidos de la siguiente estimacin:
Variable
C
X1
X2
X3
Coeficiente
1.049972
-0.755151
0.705307
0.514416
Error
Estadstico
Estndar
t
0.173306
6.058474
0.108545
-6.957035
0.057244
12.32100
0.022911
22.45280
Prob.
0.0000
0.0000
0.0000
0.0000
C
X1
X2
X3
C
0.030035
-0.010378
-0.005635
-0.001917
X1
-0.010378
0.011782
0.000416
-1.81E-05
X2
-0.005635
0.000416
0.003277
-5.39E-05
X3
-0.001917
-1.81E-05
-5.39E-05
0.000525
]{
W = g ( ) ' F ( I ( )) 1 F '
g ( )
133
Econometra Moderna
Mxima Verosimilitud
obtenemos el siguiente valor para el valor W = 378.88, lo cual comparado con el valor de la
tabla chi-cuadrado con dos grados de libertad y al 95 por ciento de confianza nos arroja la
conclusin de que no podemos aceptar la hiptesis planteada. Por tanto las restricciones
planteadas en la hiptesis nula no pueden imponerse en el modelo.
1
S () N (0, I ())
n
Intuitivamente hablando, la pregunta que se hace esta prueba es dado que el score evaluado
en el estimado sin restringir es igual a cero (dado que la condicin para hallar el estimador de
mxima verosimilitud es igualar el score a cero), si remplazamos el estimado restringido dentro
el score ste es igual a cero? Obviamente casi siempre ser distinto de cero y lo que se
evaluar es si la diferencia del cero es grande o pequea. En otras palabras lo que queremos
analizar es si la diferencia del cero se debe a factores aleatorios o a factores estructurales.
Debemos recordar que dado que la muestra es aleatoria, tanto el score como la matriz de
informacin y la funcin log-verosmil tambin sern variables aleatorias.
Formalmente hablando y tomando en cuanta el grfico anterior, el test LM calculara la
distancia (1/2)LR2 usando P2 como punto de partida. La funcin de verosimilitud (en este caso
L2) es primero evaluada en la restriccin = 0, esto es, el en el punto P2. El segundo paso
consistira en estimar el punto X basndonos en la curvatura de L2 en P2. Se sabe que la
log L
estimacin irrestricta ! debera satisfacer la ecuacin S (! ) =
= 0
, donde S
igual a cero y, por tanto, [S( 0 ) ] da una medida de la diferencia entre 0 y ! . Sin embargo,
lo anterior no garantiza que dos funciones de verosimilitud no den el mismo valor para
2
[S( 0 )]2 , pero siempre una de las dos tendr un valor de 0 ms cercano al mximo. En este
2
sentido resulta conveniente ponderar [S( 0 ) ] por la curvatura de la funcin de verosimilitud.
Para un valor dado de L( 0), cuanto mayor sea la curvatura ms cercano estar el estimado
restringido a ! . En el grfico anterior resulta sencillo comprobar esto comparando los puntos
P2 y P3, donde este ltimo corresponde a la funcin con mayor curvatura (L1) y 0 est
claramente ms cerca a ! . En este sentido, en el test LM ponderamos el cuadrado de la
funcin del escore evaluada en el estimado restringido por la inversa de la curvatura
LM = [S ( 0 )] [ I ( 0 )]
2
134
Econometra Moderna
Mxima Verosimilitud
LM = [S ( 0 )] [ I ( 0 )]
'
[S ( 0 )] 2 (m)
f (! ) debera ser cercano a cero (ya que el estimador de mxima verosimilitud es consistente),
en este sentido, el test de Wald se basa en f (! ) evaluando su distancia de cero. Finalmente, si
la restriccin es vlida el estimador restringido debera ser cercano al valor que maximiza la
135
Econometra Moderna
Mxima Verosimilitud
funcin de verosimilitud por lo que el test Lagrange (LM) se basa en evaluar la pendiente de la
funcin (score) en el estimador restringido.
136
Econometra Moderna
Mxima Verosimilitud
Segn esta expresin vemos que el vector de parmetros a estimar (denotado por en la
frmula) es actualizado por una expresin que depende de la matriz de informacin y del score
de la funcin log-verosmil. Expliquemos en detalle la lgica que est detrs de esta expresin.
1.
2.
3.
4.
En primer lugar debemos partir de un valor inicial del valor del parmetro. Este
puede ser provedo por el usuario o por otro mtodo de estimacin. En modelos
sencillos se puede empezar con valores calculados por ejemplo por el mtodo de
mnimos cuadrados ordinarios.
Una vez que se tiene estos valores se calcula el valor del vector de score y la matriz
de informacin. Como sabemos el score debe ser cero en el estimador de mxima
verosimilitud. Partiendo de un valor inicial arbitrario es muy difcil que el score sea
cero. Sin embargo, pensemos en la informacin que nos brinda el score. Si su valor
es positivo quiere decir que estamos a la izquierda del valor mximo y por tanto
debemos avanzar hacia la derecha de la funcin. El valor positivo del score
precisamente nos indica en cunto debemos avanzar hacia la derecha. Ahora bien,
esta informacin es an incompleta para ver cmo el salto a la derecha en el valor
del parmetro se transforma en un aumento del valor de la funcin log-verosmil.
Este pedazo de informacin faltante nos es brindada, en el caso de este algoritmo
de optimizacin, por la matriz de informacin que es una medida de la curvatura de
la funcin log-verosmil. As vemos que de la multiplicacin de estas magnitudes
nos indican el grado de correccin que debe hacerse sobre el estimado inicial.
Una vez que se obtiene el nuevo valor se vuelve a realizar la operacin anterior. Si
el score sigue siendo distinto de cero se proceder a realizar una nueva correccin
del estimado. A cada repeticin del proceso se le denomina una iteracin. El
algoritmo seguir operando tantas veces como sea necesario.
Como se mencion en el paso 3, el algoritmo se repite tantas veces como sea
necesario. Para decidir si se sigue realizando las iteraciones se compara el estimado
obtenido en cada iteracin con el obtenido en la iteracin inmediata anterior. La
decisin de continuar est relacionada a lo que se denomina criterio de
convergencia. Este es provedo por el usuario, aunque la mayora de programas
utiliza el valor de 0.001 para decidir si el proceso se detiene o no. Esto quiere decir
que si la diferencia de cada uno de los estimados con el obtenido en la anterior
iteracin es mayor a este valor, el proceso contina. Si es menor, el proceso se
detiene y el ltimo estimado es el que se reporta como el estimado de mxima
verosimilitud. Obviamente podra hacerse ms pequeo el criterio de convergencia
pero ello implicara un costo en tiempo dado que sera necesario realizar ms
iteraciones. Como se puede ver, este mtodo es una buena aproximacin para
obtener el mximo de una funcin.
137
Econometra Moderna
Mxima Verosimilitud
Los diferentes algoritmos difieren en la expresin que utilizan para multiplicar al score. Este
nos indica la direccin hacia la cual debe moverse el valor del estimado. La ponderacin que se
le d a ese cambio vendr dado por el la magnitud por la que se multiplique. En el caso del
algoritmo descrito lo que se utiliza es la matriz de informacin que nos da una medida de la
curvatura de la funcin log-verosmil. La eleccin de otras magnitudes estar supeditada a
criterios como la velocidad de convergencia y la forma y dificultad de la funcin a maximizar.
Un grfico nos puede ayudar a entender los pasos a seguir. En l se est representando la
funcin log-verosmil. El eje horizontal contiene los valores posibles del parmetro. Por
simplicidad estamos suponiendo que slo estimamos un parmetro. El eje vertical mide los
valores de la funcin log-verosmil.
En el grfico se puede apreciar que iniciamos el proceso con un valor inicial 0 y se calcula el
score que estara representado por la lnea tangente a la funcin log-verosmil. Si el score es
mayor a cero como nos indica la pendiente de la lnea tangente ello implica que debemos
movernos hacia la derecha tal como nos seala la lnea a la derecha de 0 . El proceso se repite
hasta que se llegue al valor del parmetro que maximice la funcin log-verosmil, max .
138
CAPITULO 6
QUIEBRE ESTRUCTURAL
Ntese que son los parmetros los que se asumen como constantes bajo el supuesto de estabilidad y que los estimadores
de dichos parmetros, sometidos a las pruebas de estabilidad debern comportarse siguiendo este patrn.
2
Se supone estabilidad intertemporal de parmetros (parmetros constantes dentro del perodo de estimacin y dentro del
de prediccin).
Econometra Moderna
Como se ver en las siguientes lneas, el cambio puede darse ser en el intercepto, en una o varias de
las pendientes del modelo o en ambos y la solucin para cada caso ser particular (para ello
definiremos las llamadas variables dicotmicas, binarias o dummies en intercepto o en pendiente).
Las pruebas de deteccin, por otro lado, s son aplicables de manera general puesto que para
evaluar la existencia de inestabilidad de parmetros, en cualquiera de los tres casos, basta que
exista una distorsin relevante (ya sea en intercepto, pendiente o en ambas) en la evolucin del
sistema, mercado o economa que se materializa en cambios en el modelo estimado. Todo ello
implicara que la hiptesis de inexistencia de quiebre se rechace.
Tomando en cuenta los conceptos antes mencionados, resulta claro que la intuicin del quiebre
estructural tiene ms sentido en series de tiempo que en modelos de corte transversal. Es ms
coherente imaginar que la serie de observaciones de la variable que introduce el quiebre lo
experimenta a partir de una fecha a consecuencia del cambio estructural, que imaginar que entre
distintas observaciones de un conjunto de datos de corte transversal se produzca una variacin
fuerte como consecuencia de un fenmeno semejante (cambio estructural). En todo caso, resulta
prudente no descartar la posibilidad de evaluar la presencia de un cambio estructural en un modelo
que contiene datos de corte transversal, ya que de hecho los resultados de estos modelos pueden
indicar inestabilidad de parmetros. De hecho si uno agrupa las observaciones de corte transversal
en orden ascendente o descendente tomando en cuenta una variable explicativa y encuentra que
existe un quiebre estructural en un parmetro podra estar identificando la presencia de un valor de
la variable independiente que altera la relacin de comportamiento con la variable dependiente.
Esto podra considerarse como un umbral a partir del cual la relacin cambia.
En el caso de los modelos de series de tiempo, existe un patrn predeterminado de ordenamiento: la
sucesin temporal, no interesa si los valores de las variables explicativas aumenten o disminuyan,
por el contrario, la existencia de ciclos enriquecer el modelo puesto que si a pesar de ellos el
coeficiente de determinacin es alto, la regresin ser representativa. Sin embargo, en los modelos
de corte transversal, el criterio de ordenamiento de las observaciones depende del investigador y
ese ordenamiento de hecho influye en los resultados de los tests de cambio estructural puesto que el
momento (en este caso, la observacin) en que se produce, y en ltima instancia, la presencia
de quiebre depender del criterio de orden que se emple. Es por esto que el presente captulo se
centrar nicamente en analizar el concepto de quiebre estructural desde la perspectiva de la
modelacin de series de tiempo. Tal como se indic lneas arriba, existen dos tipos de quiebre
estructural bien definidos y un tercero que nace de la combinacin de los dos primeros.
Especficamente:
i) Quiebre en Intercepto: En este caso, los efectos sistemticos que afectan a la variable
dependiente y que el modelo no recoge, han sufrido un cambio (quiebre estructural)
haciendo que el intercepto vare. Esto implica que ha habido un cambio en el nivel autnomo
manteniendo los efectos marginales (medidos por las pendientes).
ii) Quiebre en Pendiente: A diferencia del caso anterior, las consecuencias del cambio
estructural que no son recogidos por el modelo afectan a los efectos marginales (coeficientes
de regresin). Es decir, los regresores afectarn en mayor o menor proporcin (dependiendo
si los coeficientes de regresin aumenten o disminuyan respectivamente) a la variable
explicada a partir de la fecha de quiebre. Por ejemplo, en el caso de un modelo bivariado, la
submuestra anterior al perodo de quiebre dar origen a una recta de regresin estimada con
Econometra Moderna
EJEMPLO 6.1
60000
40000
40000
40000
20000
PBI
PBI
PBI
60000
20000
20000
1000
2000
3000
X
1896-1995
4000
5000
0
0
1000
2000
3000
4000
1896-1987
Figura 6.2
5000
1000
2000
3000
4000
1988-1995
5000
Coefficient
Std. Error
t-Statistic
C
X
-3535.998
7.563716
1013.423
0.509200
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.692448
0.689309
6951.661
4.74E+09
-1025.557
0.155067
-3.489164
14.85412
Prob.
0.0007
0.0000
7417.541
12471.67
17.71327
17.76537
220.6449
0.000000
Coefficient
Std. Error
t-Statistic
C
X
-2015.186
5.184631
509.7807
0.288336
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.782253
0.779834
3443.638
1.07E+09
-878.8054
0.388793
-3.953045
17.98120
Prob.
0.0002
0.0000
4492.371
7339.086
16.31007
16.36489
323.3237
0.000000
Coefficient
Std. Error
t-Statistic
Prob.
C
X
-43990.55
23.18801
20725.24
5.627127
-2.122559
4.120756
0.0780
0.0062
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.738911
0.695396
5347.436
1.72E+08
-78.87576
2.021519
41057.00
9688.967
17.38106
17.40092
16.98063
0.006211
Econometra Moderna
EJEMPLO 6.2
Inflacin en el Per
1979-2000
180%
160%
140%
120%
100%
80%
60%
40%
20%
0%
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
1985
1984
1983
1982
1981
1980
1979
-20%
Figura 6.3
Como se puede observar en el grfico, la inflacin en el Per experiment durante las dos
ltimas dcadas de los noventas 3 etapas notoriamente demarcadas. La primera de ellas, entre
1979 y 1988, muestra un perodo relativamente estable con una inflacin mensual promedio de
5.41 por ciento. Entre 1988 y 1990, con el gobierno de Alan Garca, se inicia un perodo de
crisis, que en nuestros trminos representa un fuerte shock exgeno. Al respecto, el
financiamiento del dficit fiscal y los crditos a las empresas pblicas y el Banco Agrario fueron
las causas ms importantes del crecimiento desmesurado de la base monetaria, lo que signific
una inflacin mensual promedio de 29.48.
A partir de los noventas, la situacin estabilizarse y se llega a recobrar la disciplina monetaria
perdida durante los aos precedentes, y que en su momento llev a cometer vicios de
intervencin estatal en la actividad econmica. A partir de 1992, el Banco Central de Reserva
cuenta con su propia ley orgnica que le permite resguardar su autonoma, y de esta manera,
evita los excesos que el gobierno pueda cometer con la poltica fiscal.
El presente modelo se construye a partir de inflacin mensual (inf), la cual se pretende explicar
mediante el cambio mensual de M1 (cm1). La figura 6.4 muestra cmo durante los 3 perodos
demarcados, la recta de regresin cambia de pendiente.
0.25
2.0
0.25
0.20
0.20
1.5
0.15
1.0
INF
INF
INF
0.15
0.10
0.10
0.05
0.5
0.05
0.00
-0.1
0.00
0.0
0.1
0.2
0.3
0.0
0.0
0.2
CM1
0.4
0.6
0.8
-0.05
-0.2
1.0
-0.1
0.0
0.1
CM1
CM1
Figura 6.4
Coefficient
Std. Error
t-Statistic
Prob.
0.054921
0.027756
0.003693
0.044191
14.87256
0.628103
0.0000
0.5313
0.003640
-0.005586
0.027644
0.082535
239.6428
0.697555
0.056545
0.027567
-4.320778
-4.271678
0.394513
0.531262
Coefficient
Std. Error
t-Statistic
Prob.
8.81E-05
1.218745
0.081107
0.269230
0.001086
4.526778
0.9991
0.0001
0.414043
0.393838
0.222627
1.437326
3.616546
2.391484
0.319522
0.285946
-0.104293
-0.011778
20.49172
0.000094
0.2
0.3
Econometra Moderna
Coefficient
Std. Error
t-Statistic
Prob.
0.016192
0.165640
0.002910
0.048541
5.564291
3.412385
0.0000
0.0009
0.089130
0.081476
0.028974
0.099902
257.8197
0.608440
0.020413
0.030232
-4.228425
-4.182213
11.64437
0.000881
Tal como se observa en el primer cuadro de regresin, los resultados indican que la recta de
regresin estimada no explica con un grado de ajuste alto a la variable dependiente. Si se divide
el espacio muestral en dos subconjuntos diferenciados por el momento de quiebre, se logra
entender porqu la estimacin global (empleando todos los elementos de la muestra) no era
robusta. Para cada subespacio muestral, los coeficientes de regresin cambian drsticamente.
Tras realizar sendas regresiones, el coeficiente de determinacin se ve incrementado
notablemente comparado con el caso de la regresin global. Todas estas precisiones dan un claro
indicio de la existencia de inestabilidad de parmetros o de cambio estructural.
Ahora que ya se tiene una idea general de la naturaleza y origen del problema del cambio
estructural, se pasarn a tratar los mtodos de deteccin de esta anomala.
Y = + 1 x1 + 2 x 2 + ... + k x k
3
Gregory C. Chow 1960. Test of Equality between Sets of Coefficients in Two Linear Regressions Econometrica. Vol.
28, no. 3, pp 591 - 605. Esta prueba, si bien es conocida como test de Chow, fue discutida ocho aos antes por C.R.Rao
en Advanced Statistical Methods in Biometric Research, Nueva York: Wiley, 1952 y por Kullback y H.M.Rosenblatt
en On the Analysis of Multiple Regression in k Categories, Biometrika, 1957, pp. 67-83.
El primer paso para realizar el test consiste en tomar dos subconjuntos independientes del total
de la muestra y correr una regresin con las mismas variables explicativas del modelo original.
Cada subconjunto consta de n1 y n2 observaciones respectivamente. As se obtiene:
Yt = 1 + 11x1t + 12x2t + ... + 1kxkt +
t = 1,2,,n1
t = n1+1, , N
En forma matricial:
y1 X 1 1 1
y = X +
2 2 2 2
El segundo paso es construir la hiptesis sobre la cual se realizar la prueba estadstica. Como
es obvio, lo que se har es analizar el comportamiento de los coeficientes de regresin de ambos
modelos, y la hiptesis planteada implica la igualdad de dichos coeficientes para asegurar la
estabilidad de los parmetros de regresin y por ende la ausencia de quiebre. Formalmente:
H0 :
1 2
11 21
12 = 22
M M
1k 2 k
H1 :
1 2
11 21
12 22
M M
1k 2 k
Matricialmente:
R = q
y q=0
Es importante resaltar que la igualdad de coeficientes debe cumplirse para todos ellos a la vez,
si al menos uno de ellos fuese diferente, entonces se aceptar la hiptesis alternativa.
Como tercer paso se construye el estadstico F tomando en cuenta la suma de cuadrados residual
de cada uno de los dos subconjuntos y la suma de cuadrados residual de la combinacin de
ambos:
( er2 eu2 )
F=
eu2
F( k , n1 + n2 2 k )
(n1 + n2 2k )
donde :
2
u
2
1
2
2
(6.1)
Econometra Moderna
EJEMPLO 6.3
El procedimiento para evaluar el test consiste en examinar el valor del estadstico F que arroja el
programa y contrastarlo con el de tabla. Si el valor es menor al de tabla, se acepta la hiptesis de
estabilidad de los coeficientes, caso contrario se acepta la existencia de quiebre estructural. Sin
embargo, al momento de realizar este test, es necesario introducir como insumo la fecha en que
se presume se produce el quiebre. Esto es una desventaja puesto que si el nmero de
observaciones es alto, la fecha de quiebre puede pertenecer a un subconjunto bastante amplio de
esta muestra y realizar el test para cada perodo resultara engorroso. Se sabe, sin embargo, que
el quiebre se producir en el perodo en el que el F tome el valor ms alto.
Este programa genera series (Y y X1) de 500 observaciones. El modelo autogenerado contiene
una variable dependiente definida como Y = 0.5 + 0.3X1. Asimismo, se crea una serie y1 que
contiene un cambio estructural en intercepto y en pendiente y sobre la cual se evaluar el
quiebre estructural, tenga en cuenta el cambio radical en el intercepto introducido a partir del
periodo 281 (el intercepto pasa de 0.5 a 20) y en la pendiente (de 0.3 a 0.7). Note que el
programa subdivide la muestra total en dos submuestras e introduce la distorsin en el segundo
intervalo (280 - 500), por lo tanto, el quiebre se producir en el periodo 280. La ecuacin EQ
contiene al modelo libre de quiebre, por lo tanto el estimado obtenido tras ejecutar dicha
regresin ser el que se espera obtener tras eliminar el quiebre de la variable exgena. La
ecuacin EQD contiene el modelo que ha subsanado el quiebre pues introduce las dummies en
intercepto y en pendiente. Si analiza esta regresin y compara los resultados con los obtenidos
para el modelo normal (sin quiebre), notar que los valores son semejantes:
Modelo Real
LS // Dependent Variable is Y
Sample: 1 500
Included observations: 500
Variable
C
X1
Coefficient
0.500000
0.300000
R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)
Std. Error
7.65E-17
7.65E-18
1.000000
1.000000
1.71E-15
1.54E+33
0.000000
t-Statistic
6.54E+15
3.92E+16
Mean dependent var
S.D. dependent var
Sum squared resid
Durbin-Watson stat
Prob.
0.0000
0.0000
0.560643
3.001924
1.46E-27
1.831856
Coefficient
8.984574
0.892797
Std. Error
0.541397
0.054148
t-Statistic
16.59518
16.48806
Prob.
0.0000
0.0000
R-squared
0.353126
Mean dependent var
9.165048
Adjusted R-squared
0.351827
S.D. dependent var
15.03372
S.E. of regression
12.10352
Akaike info criterion
4.990985
Sum squared resid
72954.66
Schwarz criterion
5.007844
Log likelihood -1955.216
F-statistic
271.8560
Durbin-Watson stat
0.672825
Prob(F-statistic)
0.000000
Coefficient
0.499156
0.292692
1.412031
19.48763
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Std. Error
0.063505
0.006328
0.009560
0.095484
0.995058
0.995028
1.060017
557.3237
-736.6038
2.075011
t-Statistic
7.860112
46.25504
147.7077
204.0929
Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)
Prob.
0.0000
0.0000
0.0000
0.0000
9.165048
15.03372
0.124538
0.158255
33291.60
0.000000
Observe cmo en el modelo con variables dummies, tanto el intercepto como la pendiente se
acercan a los valores reales de los parmetros. En las ltimas secciones del captulo se describe
detalladamente el lgebra matricial de este procedimiento.
Si se deseara evaluar la presencia de quiebre para otras series, lo nico que se debe hacer es
modificar el programa en los comandos que hacen referencia a series autogeneradas, por
ejemplo en lugar de trabajar con la series Y y X1 se abre el archivo de trabajo que contiene la
informacin y se cargan las series a la ventana de programacin. As mismo, se deber arreglar
el tamao de muestra que fue predeterminado en 500 observaciones para el ejemplo. Note que la
separacin en submuestras para generar el quiebre ya no ser til en este caso para generarlo,
pero s para curarlo. En este sentido, una vez ejecutado el programa y conocida la fecha de
quiebre, se sabe a partir de qu periodo hacer que las dummies funcionen.
Econometra Moderna
2
r
= suma de cuadrados residual para todo el conjunto de datos (modelo restringido) . Esto
se conoce como suma de cuadrados residual restringida y a travs de ella se impone la
restriccin de igualdad de parmetros.
2
1
2
2
2
2
de la forma:
( er2 e12 )
F=
2
1
(6.2)
(n1 k )
Esta expresin es vlida para el caso en el que n2 < k como se ver en el test predictivo.
Gregory C. Chow 1960. Test of Equality between Sets of Coefficients in Two Linear Regressions Econometrica. Vol.
28, no. 3, pp 591 - 605.
( e r2 e12 )
F=
e12
( n2 )
F n ,n k
( 2 1 )
(6.3)
(n1 k )
Como se observa, el estadstico se construye con n2 y n1-k grados de libertad puesto que el
numerador est incluyendo de manera indirecta la suma de cuadrados residual del modelo predicho.
As mismo, y dado que el denominador slo incluye a la primera submuestra, los grados de libertad
se reducen al tamao de la primera submuestra menos el nmero de parmetros del modelo.
En este caso, es posible revertir el orden de las submuestras, es decir, es lcito intercambiar el
primer y segundo perodo para ver si la estabilidad de parmetros se mantiene con la prediccin de
las observaciones de los elementos del primer subconjunto y no del segundo.
Sin embargo, bajo condiciones normales, si el nmero de elementos de la segunda submuestra es
mayor al nmero de regresores (incluyendo al intercepto), es decir, si se cuenta con suficientes
grados de libertad, es preferible el anlisis de varianza pues resulta una prueba ms potente para
descartar la existencia de quiebre estructural.
Tal como se vio anteriormente, el Test de Chow realiza un anlisis basado en la descomposicin
del espacio muestral en dos realizaciones o submuestras. Un supuesto esencial en la ejecucin de
este test es que la varianza para cada subconjunto es idntica puesto que de no ser as, se violara
uno de los supuestos del MLG ya que se aceptara la existencia de heterocedasticidad. Puesto que
se evalan dos subconjuntos independientes y diferentes que conforman el espacio muestral total,
el supuesto de homocedasticidad implica que las regresiones de dichos subconjuntos tiene un
trmino de error que se distribuye con una varianza idntica para cada submuestra.
Figura 6.4
Econometra Moderna
Segn estudios realizados por Schmidt y Sickles5 (1977), Ohtani y Toyoda (1985) y Toyoda y
Ohtani (1986), bajo estas circunstancias se podra sobrestimar el nivel de significancia de las
pruebas estadsticas tratadas en los dos puntos anteriores. Esto implica aceptar un t estadstico
como mayor que un t tabular cuando en realidad es menor . Esto se entiende claramente
recurriendo a la grfica de una distribucin de probabilidades con zonas limitadas por los niveles
de confianza.
Una vez que se haya constatado que las varianzas difieren considerablemente para cada una de las
submuestras (de un modo semejante al sugerido en el test de Goldfeld y Quandt) y teniendo en
cuenta que el test de Wald es aplicable slo para muestras grandes, se realiza la prueba de
estabilidad de los parmetros.
Suponga que 1 y 2 son dos estimadores distribuidos normalmente basados en muestras
independientes (esto se asemeja a los pasos iniciales que se siguen en la ejecucin del test de
Chow) y con matrices de covarianzas V1 y V2. Bajo la hiptesis nula de que los dos estimadores
tienen el mismo valor esperado (igual al parmetro, lo cual implica la estabilidad del mismo para
las dos muestras), se concluye que:
(1 2) N (0, V1 + V2)
En seguida se construye el estadstico de Wald con el cual se realizar la prueba:
W = (1 2) (V1 + V2)-1(1 2) 2
(6.4)
P. Schmidt y R. Sickles 1977. Some further evidence on the use of the Chow test under heteroskedasticity,
Econometrica, Vol. 45, No.5, pp. 1293 - 1298.
EJEMPLO 6.5
Al hacer el anlisis de las perturbaciones, se detecta heterocedasticidad:
103.9318
147.4495
Probability
Probability
0.000000
0.000000
Test Equation:
LS // Dependent Variable is RESID^2
Sample: 1 500
Included observations: 500
Variable
C
X1Q
X1Q^2
Coefficient
16996.56
-0.535115
-0.000522
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.294899
0.292062
12519.07
7.79E+10
-5425.469
0.068123
Std. Error
899.4082
1.336643
0.000240
t-Statistic
18.89749
-0.400343
-2.175656
Prob.
0.0000
0.6891
0.0301
10082.14
14879.03
18.87600
18.90129
103.9318
0.000000
Se sabe que existe un quiebre estructural en el periodo 280 (pues el programa as lo determina),
pero que tambin existe heterocedasticidad en el modelo, entonces, la divisin de las
submuestras se har justo en el perodo 280 y se aplicar el Test de Wald.
Tras correr las dos regresiones (una para las 279 observaciones y otra para las restantes), se
obtienen los estimadores (1 , 2) y las varianzas estimadas de tales estimadores. As pues:
1 = 0.498078
2 = 0.079632
V1 = 2.21204147308e-06
V2 = 1.63880104589e-08
De donde se obtiene un estadstico W = 78574.2142 que por ser demasiado alto indica que la
restriccin de igualdad de estimadores no se cumple, lo cual lleva a rechazar la estabilidad de
coeficientes.
Econometra Moderna
Suponga que el espacio muestral total consta de n observaciones. El residuo recursivo de la
ensima observacin se define como el error de prediccin de la variable explicada hallado
empleando el estimador MCO obtenido a partir de las t-1 observaciones anteriores. Formalmente:
et = y t xt ' t 1 MCO
Lo que interesa es calcular el residuo recursivo normalizado. Para ello es necesario conocer la
varianza del residuo recursivo (et ), que est definida por la siguiente ecuacin:
wt =
et
1
1 + xt ' ( X t ' X t ) xt
N (0, 2 )
(6.5)
Bajo la hiptesis planteada de estabilidad de parmetros, wt se distribuye como una Normal con
media cero y varianza constante e independiente de ws s t.
Brown Durbin y Evans sugieren dos pruebas basadas en el residuo recursivo normalizado, stas
son:
i) Test CUSUM (Cumulate Sum of Residuals)
Como su nombre lo indica, esta prueba se basa en la suma acumulada de los residuos normalizados.
El estadstico que se emplea es el estadstico CUSUM o Wt:
t
Wt =
wr
r = k +1
(6.6)
donde:
T
=
2
(w
r = k +1
w)2
T k 1
w=
r = k +1
T k
Si los valores del residuo recursivo normalizado cambian en el tiempo de manera sistemtica, se
tomar como evidencia de inestabilidad en el modelo. Bajo la hiptesis nula de estabilidad, Wt
tiene media cero y una varianza aproximadamente igual al nmero de residuos acumulados (ya que
cada trmino tiene varianza igual a uno y adems son independientes). La evaluacin se realiza
graficando el estadstico CUSUM a lo largo del tiempo. Si esta grfica permanece dentro de las
bandas de confianza (definidas por dos rectas que conectan los puntos [k, (T-k)1/2] y [T, 3(T-
40
60
80
CUSUM
5% Significance
Figura 6.5
ii) Test CUSUM2 (Cumulate Sum of Square Residuals)
En este test alternativo se emplea el estadstico CUSUM2 o St que hace referencia a la suma
acumulada de los residuos normalizados al cuadrado. Formalmente:
t
St =
2
r
2
r
r =k
T
r =k
(6.7)
Dado que los residuos recursivos se distribuyen independientemente, tanto el numerador como el
denominador son sumas de variables que se distribuyen como una Chi-cuadrado, cada una con un
grado de libertad. Por lo tanto el valor esperado de este estadstico E[St] es aproximadamente igual
a (t - k)/(T- k). La prueba se realiza graficando los valores de E[St] para cada momento en el
tiempo. Si esta grfica sobrepasa los lmites impuestos por el intervalo de confianza E[S] c07
entonces se rechaza la hiptesis nula y se acepta la presencia de quiebre.
Los valores de que se encuentran en el paper de Brown et al. son = 0.948 al 95% de confianza y = 1.1143 al
99%.
7
c0 depende de T-k y del nivel de significancia deseado.
6
Econometra Moderna
1.2
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
20
40
60
80
CUSUM of Squares
5% Significance
Figura 6.6
Es preciso sealar adems que ambas pruebas (CUSUM y CUSUM2) dan indicios de la fecha de
quiebre. Dado que son pruebas grficas, la exactitud de la fecha de quiebre no es una de sus
ventajas, sin embargo aproxima con un margen de error aceptable tal perodo. Por ejemplo,
siguiendo el caso de la inflacin en el Pru, se sabe que existen dos quiebres: el primero de ellos se
da en Marzo de 1988 y el segundo se da en octubre de 1990. Teniendo esto en cuenta, al realizar las
pruebas de residuos recursivos CUSUM y CUSUM2, se obtienen los siguientes resultados:
1.2
60
1.0
40
0.8
20
0.6
0
0.4
-20
0.2
-40
0.0
-0.2
-60
50
100
CUSUM
150
200
250
50
100
150
CUSUM of Squares
5% Significance
200
250
5% Significance
Figura 6.7
Finalmente, cabe sealar que existe una ventaja del test CUSUM2 sobre el test CUSUM
convencional puesto que al elevar al cuadrado los errores se elimina la distorsin que pueden
incluir los signos de los errores. El test CUSUM normal slo agrega los errores de prediccin que
se van obteniendo al ir ampliando la muestra en una observacin, pero estos errores pueden tener
signos contrarios y cancelar su efecto, distorsionando el resultado de la prueba. El test CUSUM2 no
es afectado por este problema ya que al elevar al cuadrado los errores, se elimina el efecto del
signo, sin embargo, la intuicin del estadstico no es tan pura como en el caso convencional ya que
no se espera que sea nulo en promedio sino se busca que el valor esperado sea igual a (t - k)/(T - k).
t=
( T k )w
tT - k -1
s
(6.8)
donde:
r =T
s =
(w
r = k +1
w)
T k 1
-1500
0.05
0.10
0.15
50
One-Step Probability
Figura 6.8
Recursive Residuals
Econometra Moderna
v) Test de Prediccin de N Etapas:
Este test grfico, arroja los resultados que se obtendran si se ejecutase el Programa 6.2. El test
explota los clculos recursivos para armar una secuencia de tests de Chow predictivos. En contraste
a la versin convencional del Test de Chow Predictivo, ste no requiere como insumo la fecha en
que se cree se genera el quiebre pues automticamente calcula todos los casos posibles empezando
con el tamao de muestra ms pequeo posible para estimar la ecuacin de prediccin e ir
introduciendo una observacin adicional cada vez. El grfico muestra en la parte superior los
residuos recursivos y las probabilidades de rechazo de estabilidad en la parte inferior con 0, 5, 10 y
15% de riesgo.
En este caso, el quiebre se detecta en el periodo 280, con lo cual se puede concluir
consistentemente y sin contradiccin con ninguna de las pruebas anteriores que el cambio
estructural existe y se da en el periodo 280.
500
0
-500
-1000
0.00
-1500
0.05
0.10
0.15
50 100 150 200 250 300 350 400 450 500
N-Step Probability
Recursive Residuals
Figura 6.9
vi) Estimaciones de Coeficientes Recursivos:
6
1.5
1.0
5
0.5
4
0.0
-0.5
3
-1.0
2
-1.5
20
40
60
80
20
2 S .E .
40
60
80
Figura 6.10
2 S .E .
A.L.Wilson When is the Chow Test UMP? The American Statistician,Vol.32, No.2, mayo 1978, pp. 66-68.
Ver seccin II parte ii.
10
J.D.Rea Indeterminacy of the Chow Test when the number of observations is insufficient Econometrica, vol. 46, No.
1, enero 1978, pg. 229.
Econometra Moderna
6.4. CMO SE CORRIGE UN CAMBIO ESTRUCTURAL
Tal como se hizo referencia en la parte introductoria del captulo, existen dos razones por las cuales
se puede aceptar la existencia de quiebre estructural en un modelo. Una de ellas radica en la
deficiente especificacin del modelo, de modo que ste no captura ciertos shocks o fluctuaciones
que s seran incorporados de presentar una especificacin ms rica. Tales fluctuaciones pueden ser
aceptadas como cambios estructurales que generan modelos estimados con coeficientes inestables.
La segunda razn consiste en la presencia de un cambio sistemtico que afecta a la variable
dependiente y que no es recogido por el modelo correctamente especificado.
Para corregir el problema de cambio estructural surgen por lo tanto dos posibles soluciones:
6.4.1 Reespecificacin del Modelo
Si no se posee la certeza de que el modelo que se est empleando para explicar el comportamiento
de la variable dependiente est bien especificado, es decir, si no presenta una estructura tal que las
variables independientes explican con un grado de ajuste elevado a la variable dependiente a pesar
de los ciclos y fluctuaciones que ella presente, entonces es conveniente tratar de reespecificar el
modelo introduciendo nuevas variables o extrayendo las irrelevantes.
Como se sabe, el primer paso para el desarrollo de una evaluacin economtrica es la
especificacin del modelo. Generalmente, y sobre todo en los modelos estructurales, la
construccin de los modelos est basada sobre intuicin y teora econmica. A pesar de que dichos
modelos tengan un sustento terico slido, la regresin puede arrojar resultados discrepantes. En
esos casos es conveniente revisar la especificacin de la ecuacin de regresin. En este sentido, si
se acepta la hiptesis de cambio estructural dentro de modelos deficientemente especificados, se
estara aceptando la existencia de un problema subsanable con una correcta especificacin, es decir,
se puede introducir una variable relevante que mejore el modelo de manera que el grado de ajuste
de los puntos observados a la recta de regresin sea mayor y a la vez tal improvisacin repercuta en
la capacidad que tienen las variables independientes para explicar los cambios sistemticos que
afecten al modelo.
El anlisis riguroso acerca de error de especificacin, se realiza en el captulo X. No obstante, las
conclusiones relevantes y que deben considerarse son las siguientes:
En el caso de omisin de variables relevantes, existir un sesgo en la estimacin de los
parmetros.
En el caso de introduccin de variables irrelevantes, el estimador no es segado, entonces podra
considerarse razonable una estrategia de introducir una elevada cantidad de variables
explicativas en el modelo de regresin. Sin embargo, tal estrategia conduce a aumentar la
varianza con que se estiman los coeficientes de las variables explicativas verdaderamente
relevantes, sobre las que se perdera en consecuencia, precisin.
Por lo tanto, la introduccin de variables relevantes ser beneficiosa slo si no afecta la precisin
de estimacin de los coeficientes del resto de explicativas. En este sentido, ser provechoso
reespecificar el modelo para que capture el quiebre incorporando tales variables, puesto que si
antes el modelo no explicaba con la suficiente exactitud a la variable explicada y esa era la razn de
la aceptacin de inestabilidad de parmetros, tras incrementar el grado de exactitud con que las
Figura 6.11
Econometra Moderna
La intuicin detrs de la incorporacin de una dummy aditiva en el caso de un cambio en media
resulta bastante sencilla. Puesto que la dummy empieza a funcionar a partir del perodo
inmediatamente siguiente al quiebre, lo que har ser explicar la variacin en el intercepto de la
recta de regresin estimada, solucionando de esta manera el problema.
donde:
=
Y = + 1 x1 + 2 x 2 + ... + k x k +
modelo original
Y = + 1 x1 + 2 x 2 + ... + k x k + + d
d=0
t =1,2,...,tquiebre
t = tquiebre+1, ...., T
reordenando:
Y = ( + d ) + 1 x1 + 2 x 2 + ... + k x k +
1
1
1
Y=
1
M
1
0
0
M
0
1
M
1
1
x11
x12
M
x1t quiebre
x1tquiebre +1
M
x1,n 1
x1n
L
x k1
L
x k 2
O
M
L x ktquiebre
+
L x ktquiebre +1 1
M
O
M
L x k , n 1 k
L
x kn
Claramente se observa que la dummy afecta al intercepto a partir del perodo tquiebre +1 puesto que
recin entonces toma valores no nulos. Gracias a la influencia de la variable dummy a partir del
periodo tquiebre, la nueva recta de regresin ya no presenta un cambio en media y por lo tanto, los
coeficientes sern estables, es decir vlidos para explicar el comportamiento de la variable
endgena para todo el intervalo muestral.
ii) Cambio en Pendiente:
En este caso la correccin se realiza introduciendo una variable dummy multiplicativa al modelo
que tomar valores nulos para el perodo anterior al quiebre y valores unitarios a partir de l. Esta
variable afectar directamente al regresor que est ocasionando el quiebre. Si fuesen varias las
variables explicativas que presentan un cambio estructural, se deber incluir una dummy por cada
una de ellas. Cada dummy empezar a funcionar en el perodo inmediatamente siguiente en que
se genera el quiebre dentro de la serie a la cual afecta.
Suponga un modelo bivariado:
Y = + 1x1 +
modelo original
Y = + 1x1 + + dx1
t = 1,2,...,tquiebre
d=0
t = tquiebre+1, ...., T
=1
reordenando:
Y = + (1 + d)x1 +
x11
1
1
x12
M
M
1 x1, tquiebre
y=
1 x1, t +1
quiebre
M
M
1 x
1,n 1
x 1n
1
+
x 1, tquiebre +1 1
M
x 1,n 1
x1n
0
0
M
0
Note que la tercera columna de la matriz de informacin contiene a los valores de la dummy que
multiplica a la observacin de la exgena correspondiente al periodo, por eso es que no aparecen
valores unitarios una vez producido el quiebre.
Al igual que en el caso de un quiebre en media, se puede esbozar grficamente el efecto de la
variable dummy sobre la serie que presenta el quiebre en tendencia:
Figura 6.12
Para un modelo multivariado, por otro lado, se sigue un procedimiento similar. Se crea una variable
dummy por cada exgena que introduzca quiebre al modelo. Para verificar esto, suponga un
modelo multivariado en el cual las tres primeras explicativas presentan quiebre:
Y = + 1x1 + 2x2 + ... + kxk +
modelo original
donde:
d=0
t = 1,2,...,tquiebre
Econometra Moderna
t = tquiebre+1, ...., T
=1
y reordenando:
0
1
1
0
1
M
1 x1,tquiebre
1 x1,t +1
quiebre
Y=
M
M
1
1
1
1
x1n
0
0
0
0
M
0
0
0
0
0
0
0
M
x 2,t quiebre
x 2 ,tquiebre +1
M
x11
x12
x 21
x 22
x1n
x2 n
x3,t quiebre
x3,t quiebre +1
x2 n
M
x3 n
x31 L x k 1
x31 L x k 2 1
2
3
1
2
+
M O M 3
M
x3 n L x kn k
Observe la matriz de informacin. Notar que las dummies empiezan a funcionar en distintos
perodos (segn la fecha en que se produzca el quiebre en cada serie) para cada endgena.
Es importante sealar que, en este caso, la inclusin de una dummy multiplicativa podra generar
multicolinealidad si es que el quiebre ocurre en un perodo muy cercano al inicial. Imagine un
espacio muestral de 500 observaciones. Si una de las exgenas presenta un cambio estructural en el
perodo 6, las 494 observaciones restantes entrarn a constituir la nueva columna (generada a travs
del producto de la dummy con la variable) en la matriz de informacin, y esta ser idntica a la
original para 496 perodos.
iii) Cambio en Intercepto y en Pendiente:
La solucin en este caso es una fusin de las dos secciones anteriores. As, para el caso bivariado,
se tiene lo siguiente:
donde:
Y = + 1x1 +
modelo original
d=0
=1
t = 1,2,...,tquiebre
t = tquiebre+1, ...., T
reordenando:
Y = (+ 2 d2) + (1 + d)x1 +
Figura 6.13
El lgebra matricial, tanto para el caso bivariado como para el multivariado, es semejante a los
casos anteriores. A continuacin se representa la matriz de informacin para el caso bivariado con
quiebre en media y en tendencia:
1
1
1
Y=
1
M
1
0
0
0
0
M
M
0
0
1 x1,t quiebre +1
M
M
1
x1, n 1
1
x1n
x1,t quiebre
+
x1,tquiebre +1
2
M
1
x1,n 1
x1n
x11
x12
M
CAPITULO 7
PREDICCIN
7.1. INTRODUCCIN
Recurdese que cuando un investigador est interesado en disear un modelo economtrico,
tal que sea satisfactorio o congruente con toda la data que posee, enfrenta, en general, tres
objetivos o propsitos1. El primero consiste en realizar pruebas estadsticas acerca de los
parmetros del modelo, es decir, probar ciertas restricciones utilizando los tests de inferencia
estadstica estudiados en el Captulo 4. El segundo es utilizar el modelo para estimar el valor
futuro de una variable endgena, es decir predecir el valor de Y en un periodo fuera de la
muestra, dado el valor de las exgenas. Finalmente, y tal vez uno de los ms ambiciosos,
consiste en utilizar el modelo para la simulacin de polticas econmicas.
El tema del presente captulo consiste en analizar el segundo objetivo. Especficamente, nos
centraremos, entre otros puntos, en los requisitos que debe cumplir el modelo antes de realizar
una prediccin. Para tal fin, debemos efectuar las pruebas estadsticas, ya conocidas, que
garanticen que el modelo est apto para realizar pronsticos confiables. As, en la parte final del
Captulo, desarrollaremos un ejercicio aplicado utilizando las herramientas del Econometric Views para que el lector se familiarice con el tipo de previsiones que realiza un economista o
un alumno que se interese por la Econometra.
De esta manera, se puede intuir cul es la definicin de una prediccin. En trminos de
Pyndick & Rubinfield(1991)2, se define una prediccin como un estimado cuantitativo acerca de
la verosimilitud de eventos futuros basados en informacin pasada y actual. En este sentido, se
pueden hacer pronsticos utilizando distintos modelos economtricos. Algunos de estos se
detallan a continuacin:
1
Econometra Moderna
Prediccin
Modelos estructurales uni-ecuacionales: Son el tipo de modelos que se han trabajado hasta
ahora, por ejemplo el siguiente modelo lineal general:
Y = X +
C = C 0 + bYd
I = I 0 hr
Y =C + I
Modelos de series de tiempo: los modelos de series de tiempo muestran una secuencia de
datos numricos asociados con un instante especfico de tiempo. A manera de ejemplo, se
citarn los ndices diarios de las cotizaciones de las acciones en la Bolsa de Valores de Lima
(BVL). As, se puede construir un modelo autorregresivo (AR) pues se tiene como variables
explicativas a rezagos de la variable endgena, o bien un proceso de medias mviles (MA),
el cual representa un promedio ponderado de los shocks pasados y actuales de una serie.
Como se ver en un captulo posterior3, una serie de este tipo es estacionaria. Esta ltima
caracterstica, garantiza que los estimadores obtenidos por un proceso (MA) sean
confiables.
AR(p)
Yt = 0 + 1Yt 1 + 2Yt 2 + .... + p Yt p + t
Yt = 0 + et + 1et 1 + 2 et 2 + .... + q et q
MA(q)
Tal como se mencion lneas arriba, antes de realizar la prediccin un modelo debe cumplir
ciertos requisitos para que el pronstico de la variable independiente sea confiable y verosmil.
7.2. REQUISITOS
1) El modelo lineal estimado no presente errores de especificacin. Recordemos que una
ecuacin de regresin presenta una buena especificacin4, cuando tanto su forma funcional
como su funcin de distribucin de probabilidades es correcta y, adems, no existen
variables omitidas ni redundantes que deben ser incluidas o extradas, respectivamente del
modelo. Una de las vas utilizadas que para analizar la presencia de una buena
especificacin es la prueba de Ramsey.
2) Los parmetros deben ser estables. Como estudiamos en el Captulo 6, el anlisis de
posibles cambios estructurales en los parmetros, implica realizar las pruebas grficas de
estabilidad como son Cusum Cuadrado o el test de Chow5.
3) Se corrija la presencia de perturbaciones no esfricas esto es, los problemas poblacionales
en la distribucin de probabilidad del error: heterocedasticidad y autocorrelacin. Con tal
fin, se realizan las pruebas estadsticas para detectar y corregir dichos problemas.
174
Econometra Moderna
Prediccin
4) Slo debe existir una direccin de causalidad: de las variables independientes hacia la
dependiente. Para determinar si existe este requisito, se puede utilizar el criterio de
Causalidad a lo Granger.
ii)
Por ejemplo, si consideramos una distribucin normal en un intervalo que tiene como centro la media
desviaciones estndar generalmente encontraremos el 95% de las observaciones.
175
Econometra Moderna
Prediccin
Pronstico
Pronstico
Ex - post
Ex - ante
Tiempo
T
Ejemplo 7.1
176
Econometra Moderna
Prediccin
diferencia que existe entre el valor futuro pronosticado de la variable endgena y su valor futuro
observado7.
Es conveniente recordar que para evaluar la bondad de un estimador se analizaban las
propiedades de insesgamiento y eficiencia. De esta manera, decamos que el estimador
MCO( ) es MELI porque cumpla con estas propiedades bajo las condiciones de Gauss
Markov. Por consiguiente, se necesita verificar que el error de prediccin posee la menor
varianza porque, de ese modo, se obtendra el mejor pronstico de la variable Yt8. Si es que se
cumple lo anterior, se concluye que la estimacin por MCO provee la mejor prediccin para
todos los estimadores linealmente insesgados.
Tomando en cuenta los conceptos anteriores, es necesario y til conocer el origen del error
de pronstico. Este puede surgir de cuatro fuentes:
a) La naturaleza aleatoria del modelo ( t+1).
b) Los valores estimados de los parmetros son variables aleatorias que pueden fluctuar. Por lo
tanto, puede existir error en la estimacin del vector ( ).
c) Para predicciones condicionales podemos cometer errores en el pronstico de las variables
independientes.
d) Errores de especificacin en la ecuacin de pronstico.
En las siguientes lneas, se analizar cul es la mejor prediccin y las propiedades que
presenta el error de pronstico para diferentes casos.
donde
t N (0, 2 )
Dado un valor conocido de X t +1 , interesa calcular el mejor predictor para Yt +1 si todos los
parmetros son conocidos con certeza. De esta manera, el mejor pronstico resulta la media
condicional de la regresin:
7
8
Formalmente: et +1 = (Yt +1 Yt +1 ) .
El mejor pronstico sera: Yt + 1 = + X t + 1
177
Econometra Moderna
Prediccin
Yt +1 = E( Yt +1 ) = + X t +1
(7.1)
(7.2)
Ahora, se verificar si este error de prediccin posee las propiedades deseables de todo buen
estimador.
Insesgamiento:
E (et +1 ) = E ( t +1 ) = 0
(7.3)
e2 = E (et +1 ) 2 = E ( t +1 ) 2 = 2
(7.4)
Varianza :
Ntese que, al construir una ecuacin de regresin lineal y al utilizarla para realizar
pronsticos incondicionales, no se asegura que la prediccin obtenida ser igual a la observada
( Yt +1 Yt +1 = 0 ). Lo anterior es atribuido a la presencia del trmino de error del modelo que
hace que el valor de Yt+1 no este sobre la lnea de regresin. De esta manera, solamente
podemos afirmar que el error de prediccin tendr una media igual a cero y una varianza igual a
la de la perturbacin del modelo 2.
Como se dijo anteriormente, se puede realizar una prediccin de la variable endgena
puntual o por intervalos. Para la segunda, es necesario construir un intervalo de confianza y se
puede realizar, a partir de lo anterior, pruebas de inferencia relativas al valor predicho la
variable dependiente. Se recuerda que, al realizar pruebas de inferencia se plantea un conjunto
de restricciones (impuestas por la teora econmica o por el desarrollo de nuestra propia
intuicin), que se desea verificar si tienen validez o no. Como primer paso, se debe partir de una
distribucin de probabilidad conocida y luego estandarizar el error de la prediccin:
Si t N (0, 2 )
El error de prediccin normalizado, resulta:
Yt +1 Yt +1
N (0,1)
(7.5)
Yt +1 Yt +1
0.025 ) = 0.95
(7.6)
(7.7)
De la expresin anterior se deduce que si el modelo predice bien, o en otras palabras, si los
pronsticos son fiables, el verdadero valor se ubicar dentro del intervalo. De modo que, uno de
los motivos por los cuales nos inclinaramos a pensar que el modelo no funciona de manera
adecuada es verificar que el valor de la variable Yt+1 cae fuera de los lmites del intervalo
planteado en (9.7). As, este intervalo sirve para realizar tests acerca de la calidad del
pronstico. Grficamente:
178
Econometra Moderna
Prediccin
Figura 7.1
Frecuentemente se utiliza este trmino. Pero, en realidad cuando se afirma que una hiptesis nula es rechazada, se
quiere decir que no existe suficiente evidencia estadstica para afirmar que la hiptesis se acepta.
10
Recordemos que en el Captulo 6, sino que podran ocurrir cambios en la economa, no previsibles por los agentes
econmicos, que generen quiebre o variaciones atpicas en los parmetros de la ecuacin de regresin. Asimismo, se
debe recordar que uno de los requisitos y supuesto bsico para realizar una prediccin es que los parmetros sean
estables dentro y fuera de la muestra.
11
Milton Friedman propuso la llamada regla del K%. La cual esta diseada para obligar a las autoridades a escoger
una misma tasa de crecimiento monetario en cada periodo.
179
Econometra Moderna
2)
Prediccin
(7.8)
Yt +1 = + X t +1 + t +1
(7.9)
notemos que t +1 indica el valor que se obtendra de la distribucin de los errores en el periodo
de prediccin.
Para este caso, definimos el error de prediccin de la siguiente manera:
et +1 = Yt +1 Yt +1
12
13
180
Econometra Moderna
Prediccin
= ( ) + ( )X t +1 t +1
(7.10)
Insesgamiento:
E (et +1 ) = E [( ) + ( ) X t +1 t +1 ] = 0
(7.11)
Este resultado se obtiene debido a que los estimadores MCO ( , ) son insesgados y la
variable X es conocida para el periodo de prediccin (t+1).
ii)
Varianza:
1
( X t +1 X ) 2
e2t +1 = 2 1 + +
2
T ( X t +1 X )
(7.12)
Para la demostracin de este resultado, se han utilizado las expresiones de las varianzas de
los parmetros estimados en el modelo bivariado analizados en el captulo 2.
(7.13)
donde:
2
2
Var ( 1 ) = =
2
2
xt
(X t X )
1
X2
+
Var ( ) = 2
(X X )2 T
t
Cov( , ) = X
2
2
(Xt X )
(2 X ) X t +1
X t2+1
1
X2
+
+
+ 1
Var (et +1 ) = 2
2
2
2
(X X )
T (Xt X )
(X t X )
t
1 (X t +1 X )
2f = 2 1 + +
T (X X )2
t
(7.14)
Ntese que la varianza del error de prediccin presenta tres importantes componentes: la
varianza de la variable X, el tamao de la muestra y la desviacin existente entre X t + 1 y la
181
Econometra Moderna
Prediccin
media de X ( X ). Por otro lado, as como se mencionaron algunas condiciones acerca de los
resultados del caso anterior, es importante sealar lo siguiente:
i)
ii)
iii)
iv)
Cabe mencionar que, de acuerdo con la expresin (9.10) et +1 es una funcin de variables
que se distribuyen normalmente14, y as presenta la misma distribucin. Adems, si se
conociera el verdadero valor de la varianza del error de prediccin se podran construir
intervalos de confianza similares al descrito en (9.7), utilizando el error normalizado. Es decir:
et +1
f
N(0,1)
En la prctica el supuesto anterior no se da, lo cual implica que se debe estimar 2f . As, se
obtiene:
2
X t +1 X
1
(7.15)
2f = 2 1 + +
T ( X t X )2
T(t-k)
Dado que el presente anlisis esta dirigido a un modelo de regresin lineal simple, este error
normalizado se distribuye segn una T de Student con (t-2) grados de libertad. Adems, se
observa que en la expresin anterior, la nica variable desconocida es Yt +1 . De modo que se
puede aproximar su valor utilizando un intervalo de confianza del 95%15. Formalmente:
Yt +1 t 0.025 f Yt +1 Yt +1 + t 0.025 f
(7.16)
182
Econometra Moderna
Prediccin
Figura 7.2
Intervalos de confianza para una prediccin donde
los valores de los parmetros son desconocidos.
Ejemplo
Supngase que luego de aplicar el mtodo MCO a un conjunto de observaciones se obtiene
la siguiente funcin de regresin muestral:
Yt +1 = 36.569 + 0.847 X t +1
Sea X t +1 = 75 y se desea predecir el valor medio de Yt+1 dada la informacin acerca de la
variable independiente, E (Yt +1 / X t +1 = 75) . Ahora, se hallar la estimacin puntual de esta
prediccin media ( Y ):
t +1
183
Econometra Moderna
Prediccin
(7.17)
donde, utilizando las mismas formulas que en el segundo caso16, se tiene el siguiente resultado:
2
1 (X
t +1 X )
Var( Yt +1 ) = f = 2 +
T ( X X )2
t
(7.18)
1 (75 57 )2
+
Var (Yt +1 ) = 2.38
20
330
= 2.4557
16
Notemos que, a diferencia del caso anterior, cuando realizamos una prediccin media, se elimina el componente de
la varianza del error de la regresin de Yt+1. De esta manera, la varianza del error de prediccin, que es lo mismo que
la varianza de la estimacin deYt+1, es ms reducida que el de una prediccin puntual.
184
Econometra Moderna
Prediccin
Por los procedimientos descritos lneas arriba, se puede construir un intervalo de confianza
para la verdadera media de Y dado X t +1 ( E (Yt +1 ) = E (Yt +1 / X t +1 ) = + X t +1 ). Reemplazando
los valores se obtiene:
100.094 2.086(2.4557) + X t + 1 100.094 + 2.086(2.4557)
o, en otros trminos:
94.9714 E (Yt +1 / X t + 1 = 75) 105.21659
La expresin anterior, se debe leer de la siguiente manera: para un valor de Xt+1=75, en 95 de
cada 100 veces los intervalos de confianza incluirn el verdadero valor medio. Del
procedimiento anterior se puede deducir que la mejor estimacin para este valor es la prediccin
puntual: 100.094.
t=1,2,3,...........T
donde t N ( 0 , 2 )
dado que no se conoce con certeza los valores de la variable independiente, se estima su valor
futuro (para el periodo t+1). Como se expresa a continuacin:
X t +1 = X t +1 + t +1
N ( 0 , 2 )
(7.19)
Recordemos que en el primer captulo desarrollamos los supuestos implicados en la estimacin por Mnimos
Cuadrados Ordinarios, y uno de los supuestos bsicos era que las variables independientes no siguen un proceso
estocstico. Asimismo, hicimos notar que este supuesto era muy restrictivo.
185
Econometra Moderna
Prediccin
trmino de error presente en la ecuacin. Por otro lado, el pronstico de la variable dependiente
resulta:
Yt +1 = + X t +1
(7.20)
et +1 = ( ) + ( X t +1 X t +1 ) t +1
(7.21)
2f
= 2 1 +
2
2
1 ( X t +1 X ) +
+
2
T
(X t X )
+ 2 2
(7.22)
]
(7.23)
Resulta til, para el desarrollo del segundo y tercer trmino de la expresin anterior,
reemplazar en la expresin anterior la siguiente transformacin:
X t +1 X t +1 = ( X t +1 X t +1 ) + X t +1 ( )
As, el segundo trmino de la expresin (7.23) resulta:
Var ( X t +1 X t +1 ) = Var ( ( X t +1 X t +1 )) + Var ( X t +1 ( ))
(7.24)
donde:
Var( ( X t +1 X t +1 )) = E( ( X t +1 X t +1 )) 2 = E( 2 ( X t +1 X t +1 ) 2 )
E 2 ( X t + 1 X t + 1 ) 2 = 2 + Var ( )Var ( t + 1 )
18
Esta propiedad se cumple, puesto que el estimador de no tiene relacin con t+1 .
186
Econometra Moderna
Prediccin
para obtener este resultado, se hace uso de la ecuacin (7.19), de los supuestos acerca de las
perturbaciones estocsticas y de la siguiente relacin: 2 = 2 + Var ( ) . Luego, se reemplaza
la ecuacin (7.24) en la expresin anterior, as se tiene:
Var ( X t +1 X t +1 ) = 2 + Var ( )Var ( t + 1 ) + X t2+1Var ( )
(7.25)
(7.26)
Por ltimo, reemplazando las ecuaciones (7.25) , (7.26) en la expresin (7.23) y agrupando
trminos, se obtiene la ecuacin correspondiente a la varianza del error de pronstico para una
prediccin condicional:
Var (et +1 ) = Var ( ) + ( + Var ( )) 2 + X t2+1Var ( ) + 2 X t +1Cov( , ) + 2
(7.27)
= Var ( ) + Var ( ) X t2+1 + 2 + 2 X t +1Cov( , ) + 2 + 2 2
Ahora, como en el segundo caso, se utilizar las expresiones correspondientes a las medidas
de dispersin de los estimadores mnimo cuadrticos, desarrolladas en el Captulo 2. De esta
manera, se obtendr la expresin (7.22) comparable con el resultado obtenido en (7.15).
Analicemos comparativamente tales expresiones. As, se observa que en la ecuacin (7.22) se
adicionan dos trminos positivos. En primer lugar, el ltimo componente de tal expresin
indica que dada la estimacin de la variable aleatoria X, se incrementa la dispersin del error de
prediccin, as se comprueba que al introducir supuestos ms realistas (el desconocimiento de
los valores futuros de las variables independientes) al modelo aumenta la posibilidad de cometer
errores en la prediccin. En segundo lugar, para conseguir reducir al mximo la expresin (7.22)
es necesario que el pronstico de Xt+1 se obtenga con una varianza mnima o nula.
Por el analisis anterior, se deduce que los intervalos de confianza del 95% para una
prediccin condicional tendr mayor amplitud que los obtenidos despus de efectuar una
prediccin incondicional. El clculo se complica cuando se quiere obtener los intervalos de
confianza para predicciones condicionales pues se observa que en la expresin (7.21) se
incluyen productos de variables aleatorias que se distribuyen normalmente. As, el pronstico de
la variable dependiente no seguir una distribucin normal como en el caso anterior.
19
Recomendamos revisar la seccin 6.2.4 del presente libro para una mejor comprensin de lo descrito en esta
seccin.
187
Econometra Moderna
Prediccin
et2
2
t =T +1
2 (H )
H0 :
1 = 2
2 = 2f
Notse el parecido de esta prueba con el test de Chow, bajo el test de Chow rechazar la
hiptesis de estabilidad implica que el modelo es rechazado para todo el periodo muestral.
Mientras que en este caso, el rechazar la hiptesis nula implica que el modelo no brinda
resultados fiables o exactos para predicciones ex ante. La regla es la siguiente:
Si
2 2(H )
el modelo predice bien, por tanto se puede usar para prediccin ex ante.
Si
2 2(H )
7.7. CRITERIOS
Adems del test mencionado lneas arriba, exsiten diversos criterios que nos permiten
evaluar la calidad de una prediccin. Estos criterios son arbitrarios por lo que podran ser
bienvenidos criterios adicionales que sugieran los lectores.. Acontinuacin presentaremos los
ms utilizados en el trabajo aplicado:
188
Econometra Moderna
Prediccin
1) Raz del error cuadrtico promedio (ECM). Este indicador lo que busca es obtener el error
promedio para un horizonte de prediccin. Este se aproxima por la raz cuadrada del
promedio de los errores elevados al cuadrado:
RECM=
1 T+H 2
e t
H t =T +1
2) Error absoluto medio. Este indicador busca obtener el error de prediccin promedio a travs
del valor promedio para un horizonte de prediccin dado (de H perodos) de los valores
absolutos de los errores:
T +H
EMA=
t =T +1
et
3) Media del valor absoluto del error porcentual. Los dos anteriores indicadores estn
influencados por las unidades en las cuales estn medidas las variables dpendientes de los
distintos modelos que se evalan. Una alternativa propuesta en este indicador es calcular el
promedio de los valores absolutos de los errores de prediccin para un horizonte de
prediccin dado con respecto al valor observado de la variable dependiente en cada periodo:
EPMA=
1 T + H et
H t =T +1 Yt
U=
1 T +H
2
(Yt Yt )
H t =T +1
1 T +H 2
1 T +H 2
Yt +
Yt
H t =T +1
H t =T +1
Este indicador muestra, de alguna manera, si la correlacin entre los valores predichos y los
valores observados en una predicin ex-post es alta o baja. Este se puede apreciar en el
numerador de la expresin. Dado esto podemos explorar los siguientes casos :
Si U tiende a cero, el modelo puede ser utilizado para predecir dado que sus pronsticos
sern fiables. La razn de que esto sea cero es que el numerador es cero y ello implica que
los valores predichos son muy parecidos a los valores observados.
Si U tiende a 1, el modelo el modelo no sirve para predecir sus pronsticos no son reales.
Ntese que solamente si Yt Yt = 0 (son ortogonales entre s), el numerador ser muy
parecido al denominador. No son exactamente iguales porque en el denominador tenemos la
suma de las races cuadradas y en el numerador tendramos la raz cuadrada de la suma de
los trminos del denominador.
189
Econometra Moderna
Prediccin
( y
y t ) / H = ( y y ) + ( y y ) 2 + 2 (1 r ) y y
2
Donde:
i)
Sesgo (Bias proportion): indica la presencia de algn error sistemtico, esto es, si es
que se est sub o sobre prediciendo sistemticamente. Esta proprocin debe ser lo ms
pequea posible, para considerar al pronstico confiable. La expresin que se utiliza
para computar este proporcin es el siguiente:
( y y )2
( y
yt )2 / H
El indicador analiza si es que las medias de los valores predichos y valores observados
son muy distintas. Como sabemos si se realiza una estiamcin el valor promedio de los
valores predichos y los valores observados son iguales. En este caso se toma slo una
parte de la muestra y se generan valores predichos con el modelo estimado con una
proporcin de la muestra. Si los valores de las medias son distintos entonces podremos
considerar que existe sesgo en la prediccin.
ii)
( y
y ) 2
yt )2 / H
Esta proporcin analiza si las predicciones tienen una variabilidad similar a las variables
observadas. Se analiza entonces si es que el modelo es capaz de replicar la variabilidad
de las observaciones actuales de la variable.
iii) Covarianza (Covariance proportion): Esta medida analiza la correlacin que existe
entre los valores predichos y los valores observados. Se clacula a partir de la siguiente
expresin:
2(1 r ) y y
( y
yt ) 2 / H
190
Econometra Moderna
Prediccin
!"
Comando Eviews
Si se desea utilizar el Econometric Views para predecir una variable, se deben realizar todas
las pruebas referidas en la seccin (X.2) sobre el modelo que explica dicha variable y, despus
de correr esta regresin, se utiliza la opcin Forecast del men del cuadro de regresin. Dentro
de esta opcin, se tienen dos sistemas o mtodos para realizar la prediccin. La conveniencia de
utilizar una u otra depende de si el inters est en realizar una prediccin ex post o ex ante, o si
se utiliza un modelo autorregresivo o no. Estos mtodos son los siguientes:
i) Dinamic: este mtodo utiliza los valores predichos para realizar las predicciones de modelo
de regresin. Hace lo siguiente:
t +1 = + Yt
Y
t + 2 = + Y
t +1
Y
ii) Static: en este caso se utilizan los valores reales de las variables
t +1 = 0 + 1Yt
Y
t + 2 = 0 + 1Yt +1
Y
Analicemos, con ms detalle, estos dos conceptos. En primer lugar, cuando se dispone de la
informacin necesaria (observaciones para la variable dependiente) se puede utilizar el mtodo
esttico. De modo que, para hacer prediccin ex-post resulta el ms adecuado en trminos de
bondad predictiva porque utiliza los valores reales. Sin embargo, si se desea hacer una
prediccin fuera de la muestra, no podremos utilizar tal mtodo dadas sus caractersticas. En ese
caso se utilizar el sistema dinmico.
Cabe mencionar que, analizar la bondad predictiva del modelo con la opcin static puede
sesgar nuestros resultados si luego utilizamos la opcin dynamic para la prediccin ex ante. A
continuacin, se plantearemos los siguientes ejemplos para profundizar todos los conocimientos
descritos en este Captulo.
Primera pregunta del Exmen Parcial del curso nformtica para Economistas de la Universidad del Pacfico.
191
Econometra Moderna
Prediccin
Coefficient
Std. Error
t-Statistic
Prob.
C
INDEP1
INDEP2
INDEP3
DEPEND(-1)
213.0174
3.442259
1.023553
2.515853
0.302066
85.88013
0.406753
0.010462
1.402607
0.009614
2.480404
8.462785
97.83736
1.793698
31.41787
0.0140
0.0000
0.0000
0.0744
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.981684
0.981307
16.94872
55728.25
-843.045
1.775883
1236.272
123.9630
5.685189
5.767935
2599.484
0.000000
Segn la seccin (7.2), el primer paso para comprobar la bondad predictiva de un modelo
consiste en verificar la no-existencia de algn tipo de problema, as se debe comprobar que:
El error del modelo se distribuye normalmente (Test de normalidad del error - Jarque Bera).
El modelo est bien especificado (Test de Ramsey)
Los parmetros son estables (Test CUSUM cuadrado).
El error del modelo no presenta heterocedasticidad (Test de White)
El error no se encuentra autocorrelacionado (Test de Breusch-Godfrey).
Pruebas estadsticas
Ahora, se probar si nuestro modelo cumple con los requisitos antes descritos. De esta
manera, se empieza con probar la normalidad del error, utilizando el test de normalidad (JarqueBera)
192
Econometra Moderna
Prediccin
20
Series: Residuals
Sample 2 200
Observations 199
15
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
10
Jarque-Bera
Probability
0
-50.0 -37.5 -25.0 -12.5
0.0
12.5
25.0
-2.56E-14
-0.504959
44.16566
-48.35876
16.77665
0.074088
2.999243
0.182058
0.912991
37.5
Dado que ya se conoce la hiptesis nula de este tipo de test, slamente se dir que la
probabiliadad asociada al estadstico indica que la hiptesis nula de normalidad del error es no
rechazada (aceptada en el argot comn). Luego se prueba la especificacin del modelo, con el
test RESETde Ramsey. As, despus de correr la regresin en el Econometrics Views y de
realizar la prueba correspondiente, se obtiene los siguientes resultados, en resumen:
0.807717
2.508764
Probability
Probability
0.490998
0.473709
Test Equation
LS// Dependent Variable is DEPEND
Sample: 2 200
Included observations:199
Notemos que, la probabilidad asociada al F estadstico del test de Ramsey RESET es igual a
0.49. Por lo que no se puede rechazar la hiptesis nula de que el modelo est bien especificado.
Es decir que todos los regresores cumplen con el objetivo de explicar bien el modelo.
Ahora, se prueba la estabilidad de los coeficientes. Los siguientes test fueron estudiados en
el Captulo (6) del presente libro:
Tests de Estabilidad de Parmetros:
A) Test Cusum cuadrado
B) Test de parmetros recursivos
193
Econometra Moderna
Prediccin
1.10
1.2
1.05
5
4
1.00
3
1.0
0.95
1
0
0.90
20
0.8
40
60
80
100
120
140
160
180
200
40
60
80
100
120
140
160
15
0.6
20
2 S.E.
180
200
2 S.E.
0.34
0.32
10
0.30
0.28
0.26
0.4
0.24
0.22
-5
0.20
0.2
-10
0.18
20
40
60
80
100
120
140
160
0.0
180
200
20
2 S.E.
40
60
80
100
120
140
160
180
200
2 S.E.
1200
800
400
-0.2
20 40 60 80 100 120 140 160 180 200
-400
CUSUMof Squares
5% Significance
-800
20
40
60
80
100
120
140
160
180
200
2 S.E.
El Test de CumsumQ, seala de modo grfico que los parmetros hallados para la muestra
utilizada son estables a lo largo de la misma. Sin embargo, se observa que el valor del test toca
la banda de confianza alrededor del intervalo 115 a 120. Para asegurar de que no existe quiebre
en esos periodos se utiliza un prueba mas potente como es el Test de Chow para los periodos
desde 115 a 120, el resultado de estos tests fue que no se puede aceptar la presencia de quiebre
estructural de los parmetros.
Es necesario recordar que la prueba de estabilidad de parmetros es muy importante al
momento de evaluar la bondad de prediccin de un modelo. Si se tiene que una determinada
muestra presenta muchos quiebres, se tiene que enfrentar la probabilidad que en el futuro los
parmetros tambin cambien de valor por lo que el modelo perdera su capacidad predictiva.
2.455404
18.64598
Probability
Probability
0.014944
0.016872
Test Equation:
LS // Dependent Variable is RESID^2
Sample: 2 200
Included observations: 199
Por el cuadro anterior se observa que existe evidencia de heterocedasticidad, problema que
comnmente debe ser solucionado antes de realizar una prediccin.
Pero, recurdese la intuicin que est detrs de un error heterocedstico. La
heterocedasticidad hace que 2 deje de ser una constante y por tanto un supuesto bsico de la
regresin por MCO se violara. As, la varianza del error del modelo de regresin sera una
funcin del tiempo. Lo cual deber tomarse en cuenta al momento de calcular la amplitud de los
intervalos de confianza. De esta manera, la heterocedasticidad parece afectar al modo como se
hallan los intervalos de confianza ms no a la prediccin misma, lo cual s sucede con la
autocorrelacin.
194
Econometra Moderna
Prediccin
En consecuencia, para efectos del ejemplo presentado, se decide dejar de lado el problema de
la heterocedasticidad. Pues, como se ha sealado, sta no afectar a la prediccin en s. A
continuacin se probar la autocorrelacin del error.
0.845386
4.353219
Probability
Probability
0.519123
0.499759
Test Equation:
LS // Dependent Variable is RESID
El Test de Breusch-Godfrey nos seala que no existe suficiente evidencia estadstica para
confirmar la presencia de autocorrelacin del error en el modelo.
La autocorrelacin, a diferencia de la heterocedasticidad, s altera el modo de generar las
predicciones numricas. Por ello, si los resultados hubieran sido desfavorables tendramos que
resolver el problema utilizando los mtodos ya estudiados en el Captulo 8.
Evaluacin de la prediccin
Como primer paso para evaluar la prediccin del modelo se elige una muestra de validacin
al azar, por ejemplo las 5 ltimas observaciones. Al aplicar la opcin forecast static del E-Views
resulta lo siguiente:
23.32726
19.21309
1.570302
0.009255
0.133292
0.034349
0.832359
195
Econometra Moderna
Prediccin
mejor #
utheil
163.00000
mejor
utheil
0.0059560
mejor #
ecm
163.00000
mejor
ecm
15.037422
Donde:
Mejor # utheil
Mejor utheil
Mejor # ecm
Mejor ecm
ANEXO 7.1
'PROGRAMA PARA HALLAR LA MEJOR MUESTRA DE VALIDACIN PTIMA
'==============================================================
'En la primera parte se definen los valores que sern utilizados a lo largo del programa, las primeras
tres variables toman el valor de la ltima observacin a partir de la cual se desea realizar una prediccin
ex post (si son iguales a 155, se tomar pruebas expost a partir de 156, calculando los parmetros hasta
155, luego se har la prueba expost a partir de 157 hasta 200, tomando los parmetros con la muestra
tomada hasta 156 y as sucesivamente).
'El total indica el nmero de observaciones conque se trabaja. Por otro lado el !menutheil ser
utilizado para considerar los u de Theil menores al valor indicado, y el !menecm indicar cul es el
mnimo error cuadrtico medio con el que al final del programa se trabajar.
'!col ser utilizada porque indica el numero total de regresiones que se tendrn.
!q=150
!per=150
!ult=150
!k=!q-1
!total=200
!col=200+1-!q
equation temp
matrix(5,!col) betas=0
!menutheil=1
!menecm=1000
%0
%1
%2
%3
196
Econometra Moderna
Prediccin
'==============================================================
'En esta parte del programa se busca hallar los coeficientes estimados, con los que se "predecir" en la
prediccin expost y se evaluar la bondad de dicha prediccin. Para ello, se comienza corriendo una
regresin de las variables a utilizar con una muestra desde 1 hasta la sealada en !q (donde se parte la
muestra), los coeficientes obtenidos sin guardados en una matriz denominada "betas". Luego, se hallarn
los parmetros de la regresin que usa una muestra desde 1 hasta !q+1 (156 en este caso) y as
sucesivamente hasta utilizar la muestra entera, y guardar todos los parmetros obtenidos en las !col
regresiones dentro de la matriz creada.
while !q<=!total
smpl 1 !q
temp.ls %0 c %1 %2 %3 %0(-1)
!conteo=1
while !conteo<=temp.@ncoef
betas(!conteo,!q-!k)=temp.c(!conteo)
!conteo=!conteo+1
wend
!q=!q+1
wend
'==============================================================
'Luego de obtener los parmetros, estos deben de multiplicarse por las series que contienen a las
variables explicativas. Previamente, en el workfile, se genera la serie deprez=depend(-1) y una serie de
unos denominada const y luego agrupar las variables indep1, indep2, indep3 y deprez, para transformar el
grupo obtenido denominado "explicativas" en una matriz como se muestra en lneas siguientes. Ntese
que, es necesario recortar la muestra pues, de otro modo, no se podr formar la matriz ya que la serie
deprez no tiene observacin para el momento t=1.
'Despus de formar la matriz explicat, se multiplica por los coeficientes que componen la matriz
betas. De este modo, se obtiene los estimados de la variable dependiente utilizando los coeficientes
calculados con la muestra hasta 150, 151, 152, etc. hasta 200. Para trabajar con estas predicciones se
transforma la matriz resultante en un grupo de series.
genr deprez=%0(-1)
genr const=1
group explicativas const %1 %2 %3 deprez
smpl 2 !total
stom(explicativas,explicat)
matrix(199,!col) estimad=explicat*betas
mtos(estimad,estim)
'==============================================================
'Una vez obtenidas las series con los valores predichos (forecast) de la dependiente utilizando distintos
coeficientes, se hallarn los estadsticos que permitirn evaluar la bondad de prediccin. Estos, sern
insertados en una tabla con el fin de facilitar su uso.
table(100,6) tabla
tabla(1,1)="numero"
tabla(1,2)="ecm"
tabla(1,3)="suma1"
tabla(1,4)="suma2"
tabla(1,5)="utheil"
tabla(1,6)="mejor # utheil"
tabla(1,7)="mejor utheil"
tabla(1,8)="mejor # ecm"
tabla(1,9)="mejor ecm"
197
Econometra Moderna
Prediccin
'==============================================================
'Aqu se inicia el look que permitir hallar el error cuadrtico medio y la U de Theil de cada
prediccin, dependiendo del tamao de la muestra utilizada ex post. Los valores sern colocados en una
tabla.
'Para facilitar el trabajo se forma primero un grupo de series, las series error!per que equivale a la serie
de errores de prediccin, esta serie slo toma en cuenta los errores para la muestra ex post, mientras que
en el resto de observaciones no presenta ningn valor (por ello se delimita la muestra).
FOR !n=1 to !col-1
smpl !n+!ult !total
genr error!per=depend-ser!n
genr suma1!per=ser!n
genr suma2!per=depend
'==============================================================
' El siguiente paso consiste en llenar la tabla: En la primera columna, se colocar el nmero de la
ltima observacin utilizada en la regresin que dio origen a los parmetros utilizados para calcular el
error de prediccin. El error cuadrtico medio ser colocado en la segunda columna.
'En la tercera y cuarta columna se irn poniendo otros componentes que son utilizados para calcular la
U de Theil.
smpl 1 !total
genr ec!per=error!per^2
genr ecm!per=(ec!per/(!total-!per))
tabla(!n+1,1)=!per
tabla(!n+1,2)=(@sum(ecm!per))^0.5
genr sum1!per=(suma1!per^2)/(!total-!per)
tabla(!n+1,3)=(@sum(sum1!per))^0.5
genr sum2!per=(suma2!per^2)/(!total-!per)
tabla(!n+1,4)=(@sum(sum2!per))^0.5
'==============================================================
'La U de Theil se colocar en la quinta columna de la tabla.
'Luego, se buscar si sta es menor que la anterior, de ser as, se tomar como valor de la variable
!menutheil. Es decir, se considerar el menor valor de la U de Theil hasta el momento. El programa
ordenar que la mnima U theil sea colocada en la sptima columna, acompaada en la sexta columna por
el numero de observaciones considerado para hallar la prediccin. Algo similar se efecta con el error
cuadrtico medio, donde los valores son colocados en la novena y octava columna respectivamente.
tabla(!n+1,5)=@val(tabla(!n+1,2))/(@val(tabla(!n+1,3))+@val(tabla(!n+1,4)))
!utheil=@val(tabla(!n+1,5))
!ecm=@val(tabla(!n+1,2))
IF !utheil<!menutheil THEN
!menutheil=!utheil
tabla(2,6)=tabla(!n+1,1)
tabla(2,7)=tabla(!n+1,5)
ENDIF
IF !ecm<!menecm THEN
!menecm=!ecm
tabla(2,8)=tabla(!n+1,1)
198
Econometra Moderna
Prediccin
tabla(2,9)=tabla(!n+1,2)
ENDIF
!per=!per+1
NEXT
For !borra=!ult to !total-1
d ec!borra
d ecm!borra
d error!borra
d sum1!borra
d sum2!borra
d suma1!borra
d suma2!borra
next
For !borra=1 to !col
d ser!borra
next
'FIN del PROGRAMA
Este programa, como se ha sealado, hallar los estadsticos de la U de Theil y del Error Cuadrtico
Medio para cada muestra de validacin y los colocar en una tabla llamada TABLA.
Luego, en la misma tabla sealar cul es la muestra de validacin que presentar la mejor U de Theil
(la menor U de Theil) as como el valor que toma sta U de Theil mnima. Por otro lado, hace lo mismo
respecto al error cuadrtico medio, indica cul es su menor valor y a qu muestra de validacin
corresponde.
199
CAPTULO 8
PERTURBACIONES NO ESFRICAS
HETEROCEDASTICIDAD Y AUTOCORRELACIN
(8.1)
estas condiciones (que son parte de los supuestos del modelo lineal general) pueden resumirse
en:
El segundo y tercer supuestos se pueden resumir en trminos matriciales (para el modelo lineal
general) a travs de la siguiente expresin:
E ( ) = 2 I n
(8.2)
Cuando se cumplen estas dos condiciones se dice que los errores son esfricos. La idea que est
detrs de este concepto es que si pensamos en una distribucin multivariada de orden n el centro
de la distribucin estara dada por la media de la misma. A partir de all si nos queremos alejar
de ese centro en cualquier direccin (que corresponde a cada una de las dimensiones del espacio
Econometra Moderna
Perturbaciones no esfricas
n-dimensional) la distancia a la que nos alejamos vendr dada por la desviacin estndar de los
errores ( ). Si unimos todos esos puntos el resultado ser una esfera.
En las siguientes pginas se analizarn las consecuencias de no satisfacer el segundo y
tercer supuesto, es decir que la matriz de varianzas y covarianzas de los errores ya no ser
diagonal y que todos los elementos de la diagonal principal sern iguales. La violacin del
segundo supuesto da origen al problema de heterocedasticidad e implica que la varianza del
trmino de error no es constante para cada observacin. Por otro lado, Si los elementos fuera de
la diagonal de la matriz de varianzas y covarianzas de los errores son distintos de cero, se viola
el tercer supuesto y como resultado tendremos el problema de autocorrelacin. Este problema
significa que los trminos de error no son independientes, es decir, el tamao del error para un
periodo determinado afecta el valor del periodo u observacin siguiente. En general,
intentaremos analizar los efectos que tiene sobre el estimador de mnimos cuadrados ordinarios
la siguiente condicin:
E ( ) = 2 donde I n
Debe mencionarse que la presencia de ambos problemas se refiere a las caractersticas de la
distribucin de los errores, la cual es de donde provienen todos los elementos que conforman la
poblacin de los errores. Recordemos que nosotros trabajamos con una muestra de datos que
suponemos provienen de una poblacin con ciertas caractersticas. Estas caractersticas vienen
dadas por la forma de la distribucin. Por tanto, son problemas poblacionales.
En general, a partir de la discusin anterior nos queda la impresin de que estos problemas no
deberan existir porque van a afectar las propiedades del estimador de mnimos cuadrados
ordinarios. De hecho, sabemos desde el captulo 3 que si no se cumplen las condiciones de
Gauss-Markov tendremos un estimador que ya no ser el estimador lineal insesgado ptimo
(ELIO). Sin embargo, debemos recordar que si las caractersticas de los datos son distintas a los
de los supuestos con los cuales se construye un estimador, debemos incorporar estas
caractersticas al momento de realizar la estimacin. Los supuestos de homocedasticidad y
ausencia de autocorrelacin pueden verse como restricciones sobre los datos las cuales debern
ser verificadas a travs de distintas pruebas. Por ello, el planteamiento general es que ambos
problemas pueden estar presentes y el mtodo de estimacin deber incorporarlos de manera
general.
(8.3)
Sin embargo debemos dejar explcitos los siguientes supuestos con respecto al error.
E ( ) = 0
E ( ) = 2
(8.4)
202
Econometra Moderna
Perturbaciones no esfricas
= ( X X ) 1 X Y
(8.5)
= ( X X ) 1 X [X + ]
= ( X X ) 1 X X + ( X X ) 1 X
E ( ) = + ( X X ) 1 X E ( )
E ( ) = + 0 =
Como se puede apreciar el estimador MCO sigue siendo insesgado. Esto se deriva del hecho que
para analizar esta propiedad slo se hace uso del primer momento de la distribucin que como
hemos sealado no ha cambiado (la esperanza de los errores es igual a cero).
Analicemos ahora la varianza del estimador. A partir de los resultados obtenidos en torno al
sesgo, podemos plantear lo siguiente:
] [
E ( E ( ) )( E ( ) ) = E ( X X ) 1 X X ( X X ) 1
l
= ( X X ) X E ( ) X ( X X )
(8.6)
= 2 ( X X ) 1 X X ( X X ) 1
La presencia de la matriz evita que se anulen los trminos ( X X ) 1 y X X por lo que
observamos es que la varianza del estimador MCO dada la nueva estructura de varianzas y
covarianzas del error es mayor que cuando los errores son ruidos blancos. Por lo tanto, el
estimador MCO ya no tiene varianza mnima, se ha perdido la propiedad de eficiencia.
Dado lo anterior, es necesario buscar la forma en que se restablezca la propiedad deseada de los
errores para obtener un estimador eficiente. Este estimador ser el de mnimos cuadrados
generalizados.
(8.7)
Al realizar esta operacin, cada nueva observacin (y*) resulta una combinacin lineal de
todas las observaciones contenidas en el vector original. De un modo similar, cada nueva
203
Econometra Moderna
Perturbaciones no esfricas
observacin de la variable xi (xi* donde i = 1,...,k) es ahora una combinacin lineal de todas las
observaciones de la variable xi. La matriz de covarianzas del nuevo trmino de error sera:
Var (U * ) = Var ( PU ) = 2 PP
(8.8)
donde la matriz contiene los coeficientes que, multiplicados por 2, garantizan que la varianza
no sea constante en el tiempo (evidentemente, en el caso de una perturbacin homocedstica
sera la matriz identidad).
Partiendo de este nuevo planteamiento para el modelo, el anlisis se centra ahora en construir
una matriz P que garantice que el producto matricial PP sea igual a la matriz identidad, de tal
suerte que la varianza del trmino de error no vare con cada observacin. Para esto,
descompongamos la matriz en el producto de dos matrices cuadradas de tal forma que1: =
VVo, equivalentemente:
V-1 (V-1) = I
(8.9)
(8.10)
Lo cual implica que cada varianza sera constante para cada observacin y las covarianzas entre
los distintos errores seran nulas.
En este caso, el estimador MCO de los parmetros del modelo recibe el nombre de estimador
de mnimos cuadrados generalizados (MCG) y viene dado por la expresin:
1
1
mcg = (X * X * ) X * Y * = (X (V 1 ) V 1 X ) X (V 1 ) V 1Y
= X 1 X
X 1Y
(8.11)
Evidentemente, para que la estimacin por mnimos cuadrados generalizados pueda ser
considerada como una posible solucin al problema de heterocedasticidad, los estimadores
deben ser insesgados y ptimos (recordemos que uno de los principales problemas asociados a
la presencia de errores heterocedsticos es la estimacin de parmetros ineficientes). La primera
condicin, referida a la obtencin de estimadores insesgados, puede ser comprobada fcilmente.
1
1
1
mcg = (X * X * ) X * Y * = (X * X * ) X * (X * + U ) = + (X * X * ) X * U
E ( mcg ) =
(8.11)
Este resultado se obtiene a partir de la propiedad que la esperanza de los errores es igual a cero.
1 Para poder realizar esta descomposicin debe ser una matriz simtrica y definida positiva. Esto sera el
equivalente matricial a decir que cualquier nmero positivo tiene una raz cuadrada definida en el conjunto de los
nmeros reales.
204
Econometra Moderna
Perturbaciones no esfricas
Para demostrar la optimalidad del estimador MCG debemos primero calcular su varianza:
Var(*MCG) = E{(*MCG - E(*MCG)(*MCG - E(*MCG)}
= E{((X*X*)-1X*U*)((X*X*)-1X*U*)}
= E{(X*X*)-1X*U*U*X*(X*X*)-1 }
= E(U*U*)(X*X*)-1
= 2(X*X*)-1 = 2(X-1X)-1
Al comparar este resultado con la varianza estimador MCO obtenemos la siguiente
formulacin:
Var(*MCG) - Var( MCO) = 2(X-1X)-1 - 2(XX)-1XX(XX)-1
= 2 {(X-1X)-1 - (XX)-1XX(XX)-1}
(8.12)
8.4. HETEROCEDASTICIDAD
La segunda condicin de Gauss - Markov implica que la varianza de la perturbacin debe ser
constante para cada observacin. Si este supuesto se verifica para toda la muestra se puede
concluir que los errores son homocedsticos. Antes de desarrollar ms profundamente lo que
implica que este supuesto no se cumpla vale la pena discutir lo que significa que la varianza del
error sea o no constante.
Evidentemente, al momento de estimar una regresin el trmino de error para cada
observacin tiene slo un valor, de modo que resulta interesante preguntarse a qu nos estamos
refiriendo al momento de hablar de su varianza. Especficamente, al referirnos a las propiedades
del trmino de error se est hablando de su comportamiento potencial antes de que la muestra
sea analizada. En este sentido, al suponer un comportamiento homocedstico se est realizando
una conjetura acerca de la dispersin del trmino del error, especficamente, supone que esta
dispersin es la misma para toda la muestra, en otras palabras, quiere decir que la probabilidad
de que el error tome un determinado valor va a ser siempre la misma. Tambin se puede decir
que, para cada periodo existe una distribucin para el trmino de error y el valor observado
corresponde slo a una realizacin de dicha distribucin. En este sentido, el supuesto de
homocedasticidad implica que la distribucin relevante para cada observacin es la misma. En
algunos casos, sin embargo, puede ser ms razonable pensar que la distribucin del trmino de
error es diferente para cada observacin en cuyo caso su varianza tambin diferira. Por
ejemplo, el hecho de que la varianza de la perturbacin muestre un comportamiento creciente
para cada observacin no significa que el error deba necesariamente registrar un valor muy alto
en las ltimas observaciones pero s implica que la probabilidad de tener un valor errtico sea
mayor. Este es un ejemplo de heterocedasticidad la cual, en trminos generales, significa que el
error muestra diferentes dispersiones para cada observacin o, lo que es lo mismo, que la
probabilidad de que el trmino de error tome un determinado valor es diferente para cada
observacin.
205
Econometra Moderna
Perturbaciones no esfricas
0
.
E ( ) = .
.
22
.
.
.
.
n21
.
0
n2
0
.
.
.
(8.13)
Aqu vemos que la matriz de varianzas y covarianzas es diagonal y que los elementos de la
diagonal no son iguales entre s. Sin embargo debemos recordar que la estructura general
presentada anteriormente responde a la siguiente forma:
E ( ) = 2
(8.14)
Esto implica que existe una constante que se puede factorizar y que la matriz es diagonal con
elementos distintos a lo largo de ella. La nica forma por la cual ambas expresiones sean
compatibles es suponer que la constante ( 2 ) es igual a 1. La racionalidad de este supuesto
quedar clara ms adelante. Teniendo esto en mente podemos proceder a realizar la
descomposicin de la matriz en VV. Dada la forma de la matriz la descomposicin
implica que V tendr la siguiente forma:
206
Econometra Moderna
Perturbaciones no esfricas
1
0
.
V = .
.
2
.
.
.
.
n 1
.
0
.
.
.
.
(8.15)
Como se puede apreciar la matriz V tambin es diagonal y sabemos que una matriz diagonal es
simtrica por lo que su transpuesta es igual a s misma. Es fcil comprobar (y queda como
trabajo para el lector) que, para este caso = VV . Dada la descomposicin anterior veremos
que la matriz por la cual habra que transformar los datos (V-1) tendra la siguiente forma:
1 / 1
0
.
= .
.
1/ 2
.
.
.
.
1 / n 1
.
0
.
.
.
.
1/ n
(8.16)
1
V Y =
y n 1
y
n
/1
/ 2
/ n 1
/ n
1/ 1
1/
2
.
1
V X = .
.
1 / n 1
1/
n
x 21 / 1
x 22 / 2
.
.
.
x 2 n 1 / n 1
x 2n / n
x k1 / 1
x k 2 / 2
x kn 1 / n 1
x kn / n
(8.17)
1
V =
n 1
n
/1
/ 2
/ n 1
/ n
(8.18)
207
Econometra Moderna
Perturbaciones no esfricas
Tal como se muestra en (8.18), la transformacin del vector de errores implica estandarizar los
errores. Como sabemos, la esperanza de cada uno de los errores es igual a cero por lo que el
numerador de cada observacin es interpretado como la desviacin con respecto a la media y si
lo dividimos entre la desviacin estndar obtenemos los errores estandarizados. Como sabemos
que los errores estn estandarizados y suponemos que estos siguen una distribucin normal, la
varianza de cada uno de ellos ser igual a 1. Por ello, anteriormente supusimos que la constante
por la que se factorizaba toda la matriz de varianzas y covarianzas de los errores era igual a 1. El
objetivo de toda la transformacin ha sido estandarizar los errores para lograr observaciones de
ellos que tengan una varianza constante. Ese sera el beneficio de realizar tal transformacin. El
costo es que las dems variables del modelo tambin han sido divididas por dicha desviacin
estndar con lo cual su interpretacin es distinta a la original. Debemos notar que lo que se ha
hecho en ltima instancia es ponderar cada uno de los errores por su desviacin estndar a fin de
lograr cierta equivalencia entre ellos
En el modelo lineal simple, el planteamiento es similar. Para ilustrar lo anterior planteemos el
modelo de forma explcita:
yi = xi + ui
donde V(ui) = i2
El modelo a estimarse no incluye intercepto con el fin de simplificar los resultados. En este
caso, el estimador MCO vendra dado por:
x iy i
x iu
! =
= +
xi
xi
2
(8.19)
xi2
(8.20)
(8.21)
donde vi = ui/zi tiene varianza constante (2). Como ya hemos mencionado, la estimacin
mnimocuadrtica de los parmetros del modelo con las variables transformadas recibe el
nombre de mnimos cuadrados ponderados ya que se est ponderando la i-sima observacin
por 1/zi. En este caso, el estimador vendra dado por la siguiente relacin:
* =
(y / z )(x / z )
(x / z )
i
(8.22)
2
2
(x i / z i )
(8.23)
208
Econometra Moderna
Perturbaciones no esfricas
menor varianza. Sustituyendo i2 = 2zi2 en la expresin para la varianza del estimador MCO
tenemos:
V( ) =
z
( x )
(8.24)
2
i
Por lo que:
V( *)
=
V ( )
(x
xi2
/z
)
)
2
zi2
Esta expresin es menor a uno si zi2 no es constante en cuyo caso los errores son
heterocedsticos2. En conclusin, la varianza del estimador de mnimos cuadrados ponderados
resulta menor a la varianza del estimador minimocuadrtico cuando zi2 no es constante o, lo que
es lo mismo, cuando el trmino de error presenta un comportamiento heterocedstico.
El problema asociado a la ineficiencia de los parmetros estimados puede, sin embargo, ser
demostrado de un modo ms intuitivo. Supongamos, tal como en el ejemplo planteado
anteriormente, que la varianza del error muestra un comportamiento creciente para cada
observacin. Si elige una observacin donde el trmino de error registra una menor desviacin
estndar, esta observacin ser un indicador confiable de la ubicacin de la lnea de regresin.
Por el contrario, si elegimos una observacin con una mayor desviacin estndar (mayor
dispersin), sta ser un indicador muy pobre de la ubicacin de la lnea de regresin. El mtodo
de Mnimos Cuadrados Ordinarios no discrimina respecto a la calidad de las observaciones,
otorgndole un mismo peso a todas. Esto implica que frente al problema de heterocedasticidad
existe la posibilidad de encontrar otro mecanismo para la estimacin de los parmetros que, en
este caso particular, consistira en otorgar un mayor peso a las observaciones que muestren una
mejor calidad en cuanto a indicadores de la posicin de la lnea de regresin.
Por otro lado, y en lo que se refiere a la significacin estadstica de los parmetros
estimados, cabe recordar que stos son calculados bajo el supuesto de que los trminos de error
presentan un comportamiento homocedstico. El problema referido a la validez de los
estimadores surge debido a que, frente a la presencia de heterocedasticidad, las desviaciones
estndar tienden a ser subestimadas lo que implica que los estadsticos-t tendern a estar
sobrestimados. Esto ltimo implica que, bajo un nivel de significancia dado, ser probable que
se rechace la hiptesis nula de que el coeficiente es significativamente distinto de cero cuando
en realidad no lo es.
209
Econometra Moderna
Perturbaciones no esfricas
probable que las variaciones en el trmino del error tiendan a ser pequeas cuando las variables
registran valores pequeos y grandes cuando las variables involucradas muestran valores
elevados.
Especficamente, cuando se trabaja con informacin econmica el comportamiento de los
agentes resulta una variable clave. Por ejemplo, si se plantea un modelo que explique el
consumo en funcin al ingreso de las familias se debe considerar que aquellas familias con
mayores ingresos disponen usualmente de un mayor excedente de renta, el cual deben repartir
entre consumo y ahorro. Distintas familias dentro del mismo estrato o nivel de ingresos tendrn,
a su vez, distintas preferencias y tomarn por tanto decisiones diferentes respecto a su exceso de
renta. Por esto, es de esperar que las cifras de consumo para familias con mayores ingresos
presenten una mayor varianza que las de familias de menores ingresos. Por otro lado, aquellas
familias con menores ingresos estarn muy cerca de la lnea de pobreza y su consumo estar en
niveles de subsistencia. Por ello es de esperar que estos presenten una menor varianza.
Asimismo, al momento de trabajar con variables que dependen del comportamiento de los
agentes econmicos resulta importante considerar que estos agentes usualmente aprenden a lo
largo del tiempo por lo que los errores en su comportamiento tienden a disminuir conduciendo a
una menor varianza.
Datos Agregados
Error de Especificacin
210
Econometra Moderna
Perturbaciones no esfricas
modelo verdadero (la cual es constante) ms el cuadrado del producto de la variable omitida y
su coeficiente. En este sentido, la varianza del error del modelo mal especificado no sera
constante. Supongamos que el modelo verdadero es la forma:
yt = 1 + 2x2t + 3x3t + ut
sin embargo, si se estima el modelo omitiendo la tercera variable explicativa se tendra lo
siguiente:
yt = 1 + 2x2t +vt
donde vt = ut + 3x3t y su varianza vendra dada por:
V(vt) = 2u + 32x3t2
En este sentido, la varianza del error mal especificado dependera de los valores de la
variable x3t y sera, por tanto, cambiante a lo largo del tiempo. Esta causa de la presencia de
heterocedastidad es sobre la cual se ha prestado especial inters recientemente. Esto porque
sabemos que la omisin de una variable relevante en el modelo verdadero provoca un sesgo en
los parmetros y vemos que puede causar la presencia de heterocedasticidad con lo cual el
estimador MCO pierde sus dos principales caractersticas: insesgamiento y eficiencia. Esto es
grave dado que la estimacin pierde toda relevancia. Si tomamos en cuenta estas
consideraciones una recomendacin que usualmente suele hacerse es que cualquier estimacin
debe hacerse partiendo de una especificacin amplia donde es preferible tener ms variables que
las relevantes para luego, despus de un proceso ordenado, ir eliminando variables hasta llegar a
un modelo que cumpla con la mayor cantidad de propiedades.
2.
211
Econometra Moderna
Perturbaciones no esfricas
Teniendo lo anterior en mente, podemos iniciar la discusin de cada una de las pruebas ms
utilizadas para detectar (y si es posible corregir ) la heterocedasticidad.
i) Test grfico
Cuando la muestra es grande, se puede utilizar el cuadrado de los residuos estimados (ei2)
como una aproximacin de la varianza del error. Los residuos estimados se obtienen a travs
del anlisis de regresin del modelo original sobre el supuesto de homocedasticidad. Este test
plantea verificar la presencia de algn patrn sistemtico en el comportamiento de la varianza
del trmino de error a travs de un grfico que relacione el cuadrado de los residuos con alguna
de las variables explicativas. En este caso, el supuesto de homoscedasticidad implica la ausencia
de un patrn sistemtico en los grficos planteados ya que, en este caso, la varianza del error
sera independiente del comportamiento de las variables explicativas a lo largo del tiempo.
Ejemplo:
Se supone un modelo de la forma:
CONPRIt = 0 + 1CAPITALt + 2INGDISPt + ut
donde:
CONPRI = Consumo privado
CAPITAL= Stock de capital
INGDISP = Ingreso Disponible
Coefficient
Std. Error
t-Statistic
Prob.
C
CAPITAL
INGDISP
208.6535
0.023852
0.454549
46.70111
0.004480
0.013246
4.467848
5.323810
34.31568
0.0000
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.993622
0.993490
321.7478
10041598
-717.7477
0.543929
4263.275
3987.850
11.57708
11.65523
7555.668
0.000000
Este modelo, el cual ser utilizado para todos los ejemplos sugeridos para cada test, se
contruy con data anual para el periodo 1896 - 1995 (100 observaciones).
!"Comandos EViews:
GENR RESID2 = RESID^2: generar una serie que recoja el cuadrado de los residuos de la
regresin anterior.
SCAT RESID2 CAPITAL
212
Econometra Moderna
Perturbaciones no esfricas
SCAR RESID2 INGDISP: generar un grfico del cuadrado de los residuos contra cada una
de las variables explicativas.
!"
Resultados:
1200000
1000000
RESID2
800000
600000
400000
200000
0
0
20000
40000
60000
80000
CAPITAL
1200000
1000000
RESID2
800000
600000
400000
200000
0
0
5000
10000
15000
20000
25000
INGDISP
213
Econometra Moderna
Perturbaciones no esfricas
(! i ) n
/ ! n
(8.25)
i =1
( k 1) .
Ejemplo:
!"
Comandos EViews:
FIT: calcular el valor estimado del consumo para cada periodo a partir de los coeficientes
estimados.
SORT: ordenar los residuos recogidos de la ecuacin original segn el consumo estimado.
(@VAR(serie de residuos))^0.5: calcular la desviacin estndar de los residuos para toda la
muestra y para cada uno de los grupos definidos.
!"
Resultados:
- Desviacin estndar de los residuos para el total de la muestra () = 318.48
- Nmero de grupos (k) = 4
- Nmero de observaciones en cada grupo (ni) = 25
- Desviaciones estndar para cada grupo (i):
1 = 30.70
2 = 34.23
3 = 156.92
4 = 269.37
k
(!
i =1
! n
) ni
=
Econometra Moderna
Perturbaciones no esfricas
relacionado con el tamao de la variable explicativa. Se recuerda que en estos casos las
variaciones en el trmino de error tienden a ser pequeas cuando las variables explicativas
registran valores pequeos y grandes cuando las variables involucradas muestran valores
elevados.
Para llevar a cabo este test, es necesario ordenar en sentido creciente tanto los residuos
obtenidos a travs de la estimacin MCO (ei) (en valor absoluto) como los valores de la variable
explicativa (xi). A travs de este ordenamiento o ranking se calcula el coeficiente de correlacin
de rangos (rx,e).
6 Di
n( n 2 1 )
2
rx , e = 1
(8.26)
rx,e n 2
(8.27)
1 rx,e 2
se distribuye aproximadamente como una T de Student con n-2 grados de libertad. Esta
expresin podra calcularse para cada una de las variables explicativas del modelo con el fin de
determinar si alguna de ellas determina el comportamiento de la varianza del trmino de error.
Especficamente, si el valor calculado del estadstico t es menor al valor tabular, se aceptar la
hiptesis nula de homocedasticidad respecto a la variable explicativa analizada.
Ejemplo:
En este caso, se estim el coeficiente de correlacin de rangos para cada una de las variables
explicativas (CAPITAL e INGDISP).
!"
Comandos Eviews:
GENR RESIDABS = ABS(RESID): generar una serie que recoja el valor absoluto de los
residuos estimados.
!"
Comandos Excel (para cada variable explicativa):
Plantear una tabla de cuatro columnas conteniendo el valor absoluto de los residuos y una de
las variables explicativas, asignando a cada observacin una constante (X) como en el
siguiente ejemplo:
XV
x1
x2
x3
x4
Variable
2056
1356
2569
1923
XE
x1
x2
x3
x4
215
Econometra Moderna
Perturbaciones no esfricas
Variable
1356
1923
2056
2569
XE
x4
x3
x1
x2
BUSCAR: determinar la posicin que ocupan las constantes correspondientes a cada error en
la nueva ordenacin de modo que esta posicin pueda ser contrastada con la que ocupa la
constante de la variable explicativa para la misma observacin.
XV
x2
x4
x1
x3
XE
x4
x3
x1
x2
Orden
1
2
3
4
Buscar
4
1
3
2
Di
3
1
0
2
En el ejemplo anterior la columna Orden se refiere a la posicin que ocupan las variables
explicativas luego de la ordenacin. Por otro lado la columna Buscar se refiere a la posicin que
ocupan en la nueva ordenacin los errores correspondientes a la misma observacin. Para la
primera fila, el comando de bsqueda sera: Buscar ( x2; matriz XE -Orden; 2 ) = 4.
Por ejemplo, el valor de la variable explicativa para la segunda obsevacin ocupa el primer
lugar mientras que el valor del error para esta misma observacin ocupa el cuarto. De esta forma
la diferencia en el puesto que ocupan las variables explicativas y los errores correspondientes a
un mismo periodo vendra dado por la columna Di.
!"
Resultados:
Para la variable explicativa CAPITAL
- di2 = 50274
- rx,e = 0.6983
- t-estadstico = 9.66
Para la variable explicativa INGDISP
- di2 = 47810
- rx,e = 0.7131
- t-estadstico = 10.07
Para ambos casos, el valor calculado para el estadstico resulta significativamente mayor al
valor tabular para una distribucin T con 98 grados de libertad (n-2) y 95% de confianza. Por
tanto, para ambas variables explicativas, se rechaza la hiptesis nula de homocedasticidad. Tal
como se desprende de todo lo anterior, esta prueba es slo detectora.
Un programa con la generacin y construccin de esta prueba se encuentra en el apndice de
este captulo. (Programa 8.1)
216
Econometra Moderna
Perturbaciones no esfricas
Este test supone que la desviacin estndar de la distribucin del error (i) es proporcional al
valor de una de las variables explicativas para cada observacin. Asimismo, supone que el error
se distribuye normalmente y no presenta autocorrelacin.
Suponiendo que se cuenta con n observaciones, este test plantea ordenar la muestra segn
las magnitudes de la variable explicativa y realizar regresiones separadas para las primeras y
ltimas m observaciones; las observaciones centrales (n - 2m) son ignoradas. Si se verifica el
supuesto concerniente a la naturaleza de la heterocedasticidad, la varianza del error para las
ltimas m observaciones ser mayor a la correspondiente a las primeras m observaciones, lo
cual se ver reflejado en la suma residual (SRC) para ambas regresiones. Siendo SRC1 y SRC2
las sumas residuales para las regresiones con las primeras y ltimas m observaciones
respectivamente y bajo el supuesto de homocedasticidad y normalidad del trmino de error, el
coeficiente SRC2/SRC1 se distribuir F con m-k y m-k grados de libertad, donde k representa el
nmero de variables explicativas. Como siempre, se contrasta el valor calculado contra el
tabular y si Fcalc es menor que Ftab aceptamos la hiptesis nula de homoscedasticidad.
La potencia del test depende de la eleccin de m respecto a n ya que el nmero de
observaciones en cada submuestra determina los grados de libertad de la distribucin. En este
sentido, Goldfeld y Quandt sugieren que m debe ser alrededor de 11 cuando la muestra contiene
30 observaciones y 22 cuando la muestra contiene 60 observaciones. Al momento de definir m
se debe considerar tambin que cada grupo debe contener observaciones relativamente
extremas. En este sentido, si m/n se acerca a 0.5 la diferencia entre las observaciones includas
en cada subgrupo ser reducida por lo que el test perder potencia. Como regla prctica, se
deben eliminar un tercio de las observaciones. Esta deben corresponder a las observaciones
ubicadas en el medio de la muestra.
El test de Goldfeld y Quandt tambin puede ser utilizado bajo el supuesto de que la varianza
del error es inversamente proporcional al valor de alguna variable explicativa para cada
observacin. En este caso, el procedimiento es el mismo pero el test estadstico vendra dado
por la relacin SRC1/SRC2.
Ejemplo:
!"
Comandos Eviews:
SORT: ordenar ascendetemente las observaciones de todas las variables incluidas en el
modelo segn la variable explicativa elegida.
IMPORT: importar las observaciones para cada variable segn la nueva ordenacin.
SMPL: definir el rango para las subregresiones segn el valor elegido de m.
217
Econometra Moderna
Perturbaciones no esfricas
!"
Resultados:
Para la variable explicativa CAPITAL
- m = 30
- SRC1 =
30
( yi y! i ) 2 = 12307.85
i =1
- SRC 2 =
100
( yi y! i ) 2 = 6698694.98
i = 71
30
( yi y! i ) 2 = 12307.85
i =1
- SRC 2 =
100
( yi y! i ) 2 = 6698694.98
i = 71
v) Prueba de Glejser
El test de Glejser nos permite explorar la verdadera estructura de la heterocedasticidad. En
este sentido, este test ya no supone que la variancia del error es proporcional a una de las
variables explicativas sino que se investiga si alguna otra forma funcional es ms apropiada,
como por ejemplo:
2i = + xi + i
donde x es la variable que se supone explica la heteroscedasticidad. Esta puede haberse hallado
previamente por la prueba de Goldfeld y Quandt.
De esta forma, el test propone analizar el comportamiento de los residuos de una regresin
MCO plateando una forma funcional como la anterior. Especficamente, el test plantea la
siguiente ecuacin:
218
Econometra Moderna
Perturbaciones no esfricas
ei2 = + xi + i
para distintos valores del exponente y donde i rene las caractersticas de un ruido blanco. En
este caso, utilizamos el cuadrado de los residuos estimados como una proxi de la varianza del
error. El valor ms apropiado para el exponente corresponde a aquel que proporcione la
ecuacin con el mejor grado de ajuste y el mayor grado de significancia para el parmetro . Si
este parmetro no resulta significativamente distinto de cero para la mejor regresin, se acepta
que los errores son homocedsticos.
Ejemplo:
!"
Comandos EViews:
GENR RESIDABS = ABS(RESID): generar una serie que recoja los valores absolutos de los
residuos estimados.
GENR CAP05P = CAPITAL^0.5: generar una serie que contenga los valores para la variable
capital elevados a 0.5. Esta operacin se repite para cada una de las variables explicativas
segn cada uno de los exponentes escogidos.
!"
Resultados:
Para el ejemplo se eligieron los exponentes: 2, 1.5, 1, 0.5. Los resultados obtenidos se
presentan en el siguiente cuadro.
Variable
cap^(0.5)
cap^(-0.5)
cap^(1.0)
cap^(-1.0)
cap^(1.5)
cap^(-1.5)
cap^(2.0)
cap^(-2.0)
Prob
0.0000
0.0000
0.0000
0.0000
0.0000
0.0002
0.0000
0.0026
t-Stad.
9.596160
-7.117220
8.598898
-5.186988
7.318144
-3.893965
6.239572
-3.092719
R-squared
0.484445
0.340755
0.430037
0.215403
0.353371
0.133992
0.284318
0.088922
Variable
ing^(0.5)
ing^(-0.5)
ing^(1.0)
ing^(-1.0)
ing^(1.5)
ing^(-1.5)
ing^(2.0)
ing^(-2.0)
Prob
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0008
t-Stad.
11.13309
-7.737197
11.39846
-5.841092
10.96881
-4.440802
10.28565
-3.477959
R-squared
0.558451
0.379213
0.570034
0.258241
0.551107
0.167521
0.519124
0.109869
219
Econometra Moderna
Perturbaciones no esfricas
Este planteamiento puede, a primera vista, resultar algo complejo, sin embargo, si
analizamos el logaritmo de la ecuacin anterior notaremos que sta no difiere mucho de las
relaciones planteadas en los dems tests.
ln i2 = ln2 + lnxi + vi
Al igual que en los casos anteriores, se utiliza el cuadrado de los residuos estimados (ei2)
como aproximacin de la varianza del error para cada observacin. En este sentido, la ecuacin
de regresin planteada por Park resulta de la forma:
ln ei2 = + lnxi + vi
Respecto al parmetro , se recuerda que la varianza bajo el supuesto de homocedasticidad
es constante por lo que ln2 representa el intercepto.
Si resulta estadsticamente significativo se concluye que la varianza del error para cada
periodo depende del valor de la variable explicativa, la cual no es constante a lo largo a lo largo
del tiempo. En este sentido, si se logra explicar el logaritmo del cuadrado del residuo en
trminos del logaritmo de alguna de las variables explicativas se puede afirmar que el trmino
del error presenta un comportamiento heterocedstico.
Harvey (1976) propone una prueba similar que consiste en una generalizacin de la prueba
de Park. Especficamente, Harvey propuso una relacin multiplicativa de la forma:
i2 = e z i
donde zt = 1 + 2z2t + ... + pzpt
El test platea estimar por MCO la relacin:
ln e2t = 1 + 2z2t + ... + pzpt + t
y definir el estadstico:
*' D 1 *
X
4 . 935
( p 1 )
(8.28)
donde D representa la matriz de covarianzas asinttica del vector (2 + ... + p) que resulta de
excluir la primera fila y columna de (zz)-1. El vector ! * es el vector de coeficientes
excluyendo el trmino independiente (1). El valor obtenido para este estadstico se compara
contra el valor tabular de un distribucin chi-cuadrado con p-1 grados de libertad.
Ejemplo:
!"
Comandos Eviews:
GENR RESID2 = RESID^2: generar una serie que recoja los cuadrados de los residuos
estimados.
GENR LNRESID2 = LOG(RESID2): generar una serie que contengan los logaritmos de los
residuos estimados al cuadrado. Esta operacin se repite para cada una de las variables
explicativas.
220
Econometra Moderna
Perturbaciones no esfricas
!"
Resultados:
Para la variable CAPITAL
LS // Dependent Variable is LNRESID2
Sample: 1896 1995
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
LNCAPITAL
-5.714970
1.577852
1.929723
0.206352
-2.961549
7.646399
0.0038
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.373672
0.367280
2.497787
611.4163
-232.4242
0.715509
8.916337
3.140146
1.850608
1.902711
58.46742
0.000000
Coefficient
Std. Error
t-Statistic
Prob.
C
LNINGDISP
-5.648694
1.740910
1.716655
0.203194
-3.290523
8.567735
0.0014
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.428258
0.422424
2.386461
558.1292
-227.8649
0.780325
8.916337
3.140146
1.759420
1.811524
73.40608
0.000000
Para ambos casos se verifica la significancia estadstica del parmetro asociado al logaritmo
de la variable explicativa. A partir de esto se concluye que los errores presentan un
comportamiento heterocedstico.
221
Econometra Moderna
Perturbaciones no esfricas
Ejemplo:
!"
Comandos EViews:
VIEW/RESIDUAL TEST/WHITE HETEROSKEDASTICITY(cross terms)
!"
Resultados:
White Heteroskedasticity Test:
F-statistic
Obs*R-squared
25.15290
57.22694
Probability
Probability
0.000000
0.000000
Test Equation:
LS // Dependent Variable is RESID^2
Sample: 1896 1995
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
CAPITAL
CAPITAL^2
CAPITAL*INGDISP
INGDISP
INGDISP^2
-34357.41
59.83741
-0.000236
-0.002449
130.3478
0.007841
30111.69
15.12959
0.000223
0.001200
33.85792
0.002267
-1.140999
3.954992
-1.054001
-2.040704
-3.849847
3.458243
0.2568
0.0001
0.2946
0.0441
0.0002
0.0008
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.572269
0.549518
136092.1
1.74E+12
-1320.909
1.810082
100416.0
202765.5
23.70030
23.85661
25.15290
0.000000
222
Econometra Moderna
Perturbaciones no esfricas
(8.29)
Ntese que si todos los coeficientes de la combinacin lineal zt, excepto el trmino
independiente 0 fuesen cero, entonces el trmino de error sera homocedstico ya que
t2=f(0), el cual es una constante. Asimismo, cabe resaltar que f puede representar cualquier
funcin de modo que el test de Breusch y Pagan no depende de la forma funcional.
Ahora, suponiendo que:
! 2 =
et 2
n
SE
2! 4
(8.30)
La intuicin de este test es similar a la del test de White. Para ste ltimo definimos la
funcin TR2 la cual se distribuye chi-cuadrado con p-1 grados de libertad. Trabajando de
manera anloga podemos obtener el estadstico TR2 para el caso de Breusch y Pagan donde el
coeficiente de bondad de ajuste, al igual que en el test de White, est referido a la regresin
auxiliar (en este caso la regresin de et2 contra z1, z2, ..., zp). Para determinar la relacin entre el
estadstico TR2 y el test de Breusch y Pagan ntese que:
TR2
Ahora, bajo la hiptesis nula de homocedasticidad, el cociente ut2/2 se distribuye chicuadrado con 1 grado de libertad. Por tanto, Var (ut2/2) =2 dado que la varianza de una chicuadrado es igual a dos veces los grados de libertad.
Por tanto: Var (ut2) = 24. Para muestras grandes, podemos generalizar Var(et2)=Var(ut2) y
! 4 = 4 . En conclusin, el estadstico propuesto por Breusch y Pagan vendra dado por:
Recordemos que R2 =(Suma explicada / Suma total) = (SE / ST). Para el caso especfico del test de Breusch y
Pagan, SE / ST =
( e! t 2 e t 2 ) 2
(et 2 e t 2 ) 2
223
Econometra Moderna
Perturbaciones no esfricas
SE
SE
=
= TR 2
4
2
!
Var (et )
2
Al igual que para el caso del test de White, en la medida en que las variables del vector zt no
expliquen adecuadamente al estimador de la varianza del error (et2), el coeficiente de bondad de
ajuste se aproximar a cero y ser ms probable que se acepte la hiptesis nula de
homocedasticidad.
Ejemplo:
!"
Comandos EViews:
GENR RESID2 = RESID^2: generar una serie que recoja el cuadrado de los residuos.
Estimar una regresin de los residuos al cuadrado sobre las variables explicativas del modelo
original.
FIT: generar una serie que contenga los valores estimados para el cuadrado de los residuos a
partir de los coeficientes de la regresin anterior.
!"
Resultados:
Coefficient
Std. Error
t-Statistic
Prob.
C
CAPITAL
INGDISP
-41424.48
-6.101892
34.10861
21929.95
2.103838
6.220116
-1.888946
-2.900362
5.483596
0.0619
0.0046
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.455998
0.444782
151086.6
2.21E+12
-1332.932
1.440405
100416.0
202765.5
23.88076
23.95891
40.65416
0.000000
100
- SE =
(e!i 2 ei 2 )
= 1.856E+12
i =1
100
ei 2
= 100415.975
n
i =1
- 2 =
-=
SE
2 4
= 92.0346717
El valor calculado para el estadstico resulta superior al valor tabular de un distribucin con
(p = 2) grados de libertad y 95% de confianza (5.991). Por tanto, se concluye que se rechaza la
hiptesis nula de homocedasticidad.
224
Econometra Moderna
Perturbaciones no esfricas
i) Datos agregados
Se supone un modelo que pretende explicar el consumo de las familias a partir de su renta.
ci j = 0 + 1yi j + i j
donde:
ci j = consumo de la familia j en el momento i
yi j = ingreso de la familia j en el momento i
i j = ruido blanco
Sin embargo, si slo se dispone de datos agregados el modelo a estimar sera de la forma:
Ci
Yi
= 0 + 1 + ui
Pi
Pi
donde:
Pi
C i = ci j
j =1
Pi
Yi = yi j
j =1
Ci
=
Pi
ci j
j =1
Pi
Pi
Pi 0 + 1Yi + i
j =1
Pi
225
Econometra Moderna
Perturbaciones no esfricas
Pi
Ci
Y
= 0 + 1 i +
Pi
Pi
j =1
j
i
Pi
0 = 0
1 = 1
Pi
ui=
j =1
j
i
Pi
1
Pi 2
1
Pi
1
Pi 2
Pi
Var ( i j )
j =1
Pi
2
j =1
Pi 2
2
Pi
Lo anterior demuestra que la varianza del error del modelo agregado depende de la
poblacin en el momento i presentando, por tanto, un comportamiento heterocedstico. Cabe
resaltar, sin embargo, que la presencia de heterocedasticidad no se debe a alguna peculiaridad en
la conducta de las familias sino al hecho de haber trabajado con datos agregados.
Tal como se indic anteriormente, la correccin del problema de heterocedasticidad se basa
en determinar la estructura de la matriz . Para este caso particular, la varianza del error viene
dada por:
1
P1
Var (U ) = 2
P2
...
1
Pn
donde la matriz cuya diagonal principal contiene la inversa de la poblacin para cada periodo es
precisamente la matriz . Por tanto, y tal como se propone en la correccin por MCG, el
modelo debe ser premultiplicado por la matriz V-1 donde VV = . Especficamente:
V-1 C = V-1 Y + V-1 U
226
Econometra Moderna
Perturbaciones no esfricas
donde:
1
P1
V =
Pn
1
P2
...
Pi i
j =1
u *i =
Pi
Pi
Pi 2
Pi
Pi 2
Pi
Pi
j =1
Var ( i j )
2
P
Pi
2
j =1
2 =2
Ejemplo:
Consideremos el siguiente modelo:
Cai = 0 + 1Yai + 2Kai + ui
donde:
Ci
Pi
Y
Ya i = i
Pi
K
Ka i = i
Pi
Ca i =
227
Econometra Moderna
Perturbaciones no esfricas
donde:
ci j = consumo de la familia j en el momento i
yi j = ingreso de la familia j en el momento i
i j = ruido blanco con varianza constante (2)
la varianza del trmino de error del modelo agregado vendra dado por:
Var (u i ) =
2
Pi
Coefficient
Std. Error
t-Statistic
Prob.
C
YA
KA
0.193721
0.553360
0.352750
0.015199
0.103087
0.095943
12.74539
5.367877
3.676679
0.0000
0.0000
0.0004
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.348472
0.335038
0.151539
2.227506
48.32052
1.935025
0.189985
0.185834
-3.744287
-3.666132
25.94039
0.000000
Coefficient
Std. Error
t-Statistic
Prob.
C
POB
0.048494
-0.000433
0.006536
9.75E-05
7.419264
-4.444519
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.167755
0.159262
0.028146
0.077637
216.1500
1.984617
0.022275
0.030697
-7.120877
-7.068773
19.75375
0.000023
228
Econometra Moderna
Perturbaciones no esfricas
Coefficient
Std. Error
t-Statistic
Prob.
C
YA
KA
0.190451
0.641209
0.389417
0.012998
0.103368
0.095255
14.65236
6.203181
4.088150
0.0000
0.0000
0.0001
Weighted Statistics
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.428929
0.417154
0.133523
1.729361
60.97705
1.819386
0.193874
0.174896
-3.997418
-3.919263
36.42814
0.000000
Unweighted Statistics
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.341124
0.327539
0.152391
1.883187
0.189985
0.185834
2.252628
Coefficient
Std. Error
t-Statistic
Prob.
C
POB
0.902110
0.001241
0.251767
0.003756
3.583118
0.330357
0.0005
0.7418
R-squared
Adjusted R-squared
0.001112
-0.009080
0.977176
1.079272
Los residuos guardados automticamente en la serie RESID luego de la estimacin por MCG no estn ponderados,
por lo que resulta necesario realizar la ponderacin respectiva a travs de este comando.
229
Econometra Moderna
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Perturbaciones no esfricas
1.084161
115.1897
-148.9644
2.241412
0.181410
0.233514
0.109136
0.741836
U 2 1 I 1
Var (U ) = Var 1 =
=W
2
2 I2
U 2
230
Econometra Moderna
Perturbaciones no esfricas
(8.31)
Para esto, y tal como fue descrito para el caso de datos agregados, es necesario
premultiplicar el modelo por la matriz A-1, donde W=AA. Sin embargo, para poder realizar esta
correccin es necesario conocer los valores de 21 y 22. Al respecto, el estimador de mnimos
cuadrados de la varianza del trmino de error puede ser utilizado para el clculo de la matriz W.
Para el ejemplo presentado lneas arriba, la estrategia consiste en estimar el modelo por
MCO para cada submuestra donde el estimador de la varianza del trmino de error para cada
grupo vendra dado por:
e1 ' e1
= ! 2 1
m k
e 2 ' e2
= ! 2 2
(n m) k
donde k representa el nmero da variables explicativas, en este caso 1.
Ahora, es factible estimar la estructura de la matriz W:
! 2 1 I 1
W! =
2
! 2 I 2
y de esta forma se puede proceder con la correccin a travs de Mnimos Cuadrados
Generalizados.
La estrategia sugerida anteriormente presenta, sin embargo, una dificultad: la eleccin de las
submuestras a ser analizadas. Para el caso planteado lneas arriba convendra dividir la muestra
en grupos que renan caractersticas demogrficas similares. Por ejemplo, cabe suponer que la
conducta de los agentes en zonas urbanas difiere de la conducta en zonas rurales. Usualmente, la
propensin marginal a ahorrar en zonas urbanas tiende a ser mayor debido, en parte, a un mayor
desarrollo del sistema financiero, por lo que una alternativa al problema de la eleccin de las
submuestras sera, para este caso, considerar que los grupos seleccionados correspondan a las
poblaciones rurales y urbanas respectivamente. Evidentemente, para otros casos la eleccin de
las submuestras depender en gran medida del criterio del investigador, sin embargo, el test de
Goldfeld y Quandt (diseado para la deteccin de heterocedasticidad por grupos) puede darnos
una idea acerca de las submuestras a ser analizadas.
Ejemplo:
Supongamos un modelo de la forma:
C1i = 0 + 1Y1i + 2K1i +ui
donde:
C1i = consumo de la regin i
231
Econometra Moderna
Perturbaciones no esfricas
3
2
1
0
2
-1
-2
-3
0
-1
-2
20
40
60
80
Residual
Fitted
232
Econometra Moderna
Perturbaciones no esfricas
e1 ' e1
= 12
150 3
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
K1
0.229483
0.496267
0.326542
0.024914
0.029671
0.024386
9.210914
16.72592
13.39055
0.0000
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.752930
0.749568
0.305127
13.68605
-33.27141
1.852706
0.230101
0.609727
-2.354258
-2.294045
223.9863
0.000000
233
Econometra Moderna
Perturbaciones no esfricas
LS // Dependent Variable is C1
Sample: 151 200
Included observations: 50
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
K1
0.222016
0.455394
0.197000
0.087271
0.078044
0.099722
2.543973
5.835071
1.975498
0.0143
0.0000
0.0541
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.473585
0.451184
0.610290
17.50534
-44.70900
1.627309
0.300147
0.823803
-0.929517
-0.814796
21.14159
0.000000
234
Econometra Moderna
Perturbaciones no esfricas
10
5
4
-5
-10
-2
-4
20
40
60
80
Residual
Fitted
! 2 i = e 2 i = 0 + 1 yi + i
En este caso se ha supuesto una relacin lineal, sin embargo, tambin pueden darse casos
donde otras formas funcionales presenten un mejor ajuste. Al respecto, el test de White (donde
se incluyen los cuadrados de las variables explicativas) puede dar una idea acerca de la variable
que explica la heterocedasticidad y su forma funcional.
Una vez determinada la forma funcional ms apropiada podemos estimar la estructura de la
matriz a ser utilizada en la estimacin MCG. Para el ejemplo analizado sta sera de la forma:
235
Econometra Moderna
Perturbaciones no esfricas
! 0 + ! 1 y1
! =
...
! + ! y
0
1 n
Ejemplo:
Supongamos un modelo de la forma:
C1i = 0 + 1Y1i + 2K1i + ui
donde:
C1i = consumo en el momento i
Y1i = ingreso en el momento i
K1i = stock de capital en el momento i
Tal como se indic anteriormente, la intuicin econmica nos lleva a pensar que la varianza
del trmino de error depende del nivel de ingreso para cada periodo. Para confirmar esto,
verfiquemos los resultados del test de White.
LS // Dependent Variable is C1
Sample: 1 100
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
K1
0.326073
0.697753
0.237217
0.100931
0.109240
0.091954
3.230640
6.387326
2.579744
0.0017
0.0000
0.0114
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.330475
0.316670
1.006447
98.25484
-141.0136
2.219083
0.275419
1.217519
0.042394
0.120549
23.93939
0.000000
!"
Comandos EViews:
VIEW - RESIDUAL TESTS - WHITE HETEROSKEDASTICITY
236
Econometra Moderna
Perturbaciones no esfricas
24.56897
56.65104
Probability
Probability
0.000000
0.000000
Test Equation:
LS // Dependent Variable is RESID^2
Sample: 1 100
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
Y1^2
Y1*K1
K1
K1^2
-0.439386
0.371889
1.485348
-0.100854
-0.114173
0.143806
0.255494
0.185452
0.152522
0.181903
0.151505
0.113713
-1.719751
2.005312
9.738594
-0.554442
-0.753594
1.264635
0.0888
0.0478
0.0000
0.5806
0.4530
0.2091
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.566510
0.543452
1.620921
246.9742
-187.0995
2.227027
0.982548
2.398937
1.024114
1.180424
24.56897
0.000000
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1^2
-0.328041
1.538236
0.204686
0.143959
-1.602654
10.68521
0.1122
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.538114
0.533401
1.638667
263.1524
-190.2720
2.268095
0.982548
2.398937
1.007563
1.059666
114.1738
0.000000
237
Econometra Moderna
Perturbaciones no esfricas
positivo indica que a mayores niveles de ingreso la mayor discrecionalidad de los agentes
respecto a sus decisiones de consumo nos lleva a perturbaciones con una mayor varianza.
La estrategia de correccin en este caso consiste en multiplicar cada observacin por la
inversa de la raz de la varianza estimada para cada periodo. Formalmente, el ponderador
utilizado para la observacin vendra dado por:
1
=
! i
1
! + ! Y12 i
0
1
!"
Comandos EViews:
FIT - Estimacin de VAR1, variable generada: VAR1F
QUICK - ESTIMATE EQUATION - OPTIONS - WEIGHTED LS/TSLS
Weight = 1/VAR1F^(1/2)
LS // Dependent Variable is C1
Weighting series: 1/VAR1F^(1/2)
Sample(adjusted): 1 99
Included observations: 67
Excluded observations: 32 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
K1
0.161934
0.426262
0.306240
0.074944
0.125126
0.069993
2.160739
3.406656
4.375276
0.0345
0.0011
0.0000
Weighted Statistics
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.267881
0.245002
0.772159
38.15872
-76.21044
2.332090
0.144864
0.888657
-0.473386
-0.374669
11.70872
0.000046
Unweighted Statistics
R-squared
Adjusted R-squared
S.E. of regression
Durbin-Watson stat
0.239068
0.215289
1.287526
2.206372
0.342569
1.453453
106.0943
Para verificar que los errores de la nueva regresin son homocedsticos construyamos una
regresin del cuadrado de los residuos contra el cuadrado de la variable ingreso.
!"
Comandos EViews:
GENR RESP=RESID*(1/VAR1F^(1/2))
GENR VAR2=RESP^2
238
Econometra Moderna
Perturbaciones no esfricas
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1^2
1.504632
-0.185154
0.272181
0.156816
5.528058
-1.180710
0.0000
0.2420
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.020997
0.005935
1.564494
159.0968
-124.0404
1.465058
1.275835
1.569158
0.924522
0.990333
1.394077
0.242020
e1 2
e2
...
e m 2
(8.32)
Econometra Moderna
Perturbaciones no esfricas
de modo que:
(8.33)
Ejemplo:
Trabajando con le modelo propuesto anteriormente:
C1i = 0 + 1Y1i + 2K1i + ui
donde:
C1i = consumo en el momento i
Y1i = ingreso en el momento i
K1i = stock de capital en el momento i
Si se utiliza el estimador consistente de White no es necesario suponer ninguna forma
funcional para el proceso de heterocedasticidad. Basta realizar la estimacin del modelo a travs
de MCO y utilizar los residuos para construir la matriz .
!"
Comandos EViews:
QUICK - ESTIMATE EQUATION - OPTIONS - HETEROKEDASTICITY CONSISTENT
COVARIANCE
White
LS // Dependent Variable is C1
Sample: 1 100
Included observations: 100
White Heteroskedasticity-Consistent Standard Errors & Covariance
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
K1
-0.026961
0.305391
0.224557
0.095170
0.123439
0.084376
-0.283291
2.474029
2.661387
0.7776
0.0151
0.0091
R-squared
0.164876
-0.025856
240
Econometra Moderna
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Perturbaciones no esfricas
0.147657
0.945900
86.78847
-134.8090
1.982183
1.024561
-0.081696
-0.003541
9.575213
0.000160
En este caso, la matriz utilizada por el programa economtrico para estimar la estructura de
covarianza de los estimadores viene dada por:
T 2
T
( X ' X ) 1 ut x t x t ' ( X ' X ) 1
t =1
Tk
(8.34)
Tal como se indic anteriormente, este estimador es consistente con la presencia de errores
heterocedsticos y no depende de la estructura especfica del problema. Por otro lado los
estimados se obtienen por el estimador MCO.
241
Econometra Moderna
Perturbaciones no esfricas
APENDICE
Programa de la prueba de Spearman.
Programa 8.1
WORKFILE sp1 U 50
GENR Y = 10*NRND+ (@TREND(1))
GENR X1 = 10*NRND + Y +(@TREND(1))
ls y x1
GENR RESIDABS = ABS(RESID)
genr obsr=@trend(1)+1
genr obsv=@trend(1)+1
sort residabs
genr ordr=@trend(1)+1
store ordr
store obsr
sort x1
store obsv
WORKFILE sp2 U 50
fetch ordr
matrix (50,1) ordrv
stom(ordr,ordrv)
fetch obsr
matrix (50,1) obsrv
stom(obsr,obsrv)
fetch obsv
matrix (50,1) obsvv
stom(obsv,obsvv)
vector b=0
!j=1
!n=0
series orden=0
for !i=1 to 50
smpl 1 50
vector a=@rowextract(obsv,!i)
while a<>b and !j<51
vector b=@rowextract(obsrv,!j)
!j=!j+1
!n=!n+1
wend
!j=1
smpl !i !i
orden = !n
!n=0
next
smpl 1 50
genr dif=abs(orden-ordr)
scalar r=1-(6*(sum(dif))^2)*(50*(50^3-1))
8.5. AUTOCORRELACIN
Luego de la discusin de la naturaleza, deteccin e implicaciones del problema de la
heterocedasticidad, debemos centrarnos en otro de los problemas poblacionales ms frecuentes
y estudiados en el anlisis economtrico: la autocorrelacin. En las siguientes pginas se
buscar dar una idea ms o menos acabada de los efectos de este problema sobre las
242
Econometra Moderna
Perturbaciones no esfricas
propiedades del estimador MCO. Como ya se mencion en las primeras pginas de esta
captulo, la violacin del supuesto referido a que la matriz de varianzas y covarianzas de los
errores sea diagonal y con elementos constantes a lo largo de ella ocasiona la prdida de
eficiencia del estimador MCO.
En trminos ms formales, la tercera condicin de Gauss-Markov implica que el trmino de
error para cada observacin se determina independientemente de los valores que pueda arrojar
en el resto de observaciones de la muestra. Especficamente, la independencia de las
perturbaciones implica que su covarianza es cero (Cov (uiuj) = 0 para todo i j). Cuando esta
condicin no se cumple se dice que el error presenta autocorrelacin.
Especficamente, se puede distinguir dos tipos de autocorrelacin. La primera se define
como autocorrelacin espacial y se presenta cuando trabajamos con modelos de corte
transversal mientras que la segunda, conocida como autocorrelacin serial, se presenta al
trabajar con series de tiempo. Las siguientes pginas slo se concentrarn en la discusin de la
segunda forma de autocorrelacin
8.5.1. Tipos de Autocorrelacin
Habiendo mencionado que nos centraremos en la autocorrelacin presente en el contexto de
los modelos de series de tiempo debemos hacer una presentacin de las principales formas de
representacin estadstica de este tipo de caracterstica de la estructura de los errores. Con esto
haremos una breve introduccin a los modelos de series de tiempo que se analizarn en
profundidad ms adelante.
La idea detrs de los modelos de series de tiempo es que se puede representar cualquier
conjunto de datos ordenados de manera temporal a travs de relaciones con otras variables
aleatorias que generalmente son valores pasados de la misma variable aleatoria, de otra variable
aleatoria o una combinacin de ambas. Este conjunto de datos se conoce como proceso
estocstico y se plantean distintos modelos estadsticos alternativos que estn relacionados entre
s.
El primer modelo sugerido para representar la autocorrelacin, basado en los modelos de
series de tiempo es el modelo autorregresivo:
t = 1 t 1 + 2 t 2 + ..................... + p t p + t
(8.35)
Este modelo es conocido por su abreviacin. En este caso, el modelo presentado sera un
AR(p). Esto nos indica que la variable en cuestin slo es explicada por sus valores pasados.
Esto implica que existe una correlacin serial entre las observaciones de la variable que se
estudia que en este caso es el error. El trmino t es un ruido blanco y representa los shocks a
los cuales est sometido el proceso que gobierna la evolucin del trmino de error.
El otro modelo utilizado como representacin estadstica de un proceso con autocorrelacin
es el que se denomina de medias mviles:
t = t + 1 t 1 + 2 t 2 + .......... + q t q
(8.36)
Este modelo es conocido tambin por su abreviacin. As, en este caso tendremos que este
modelo ser un MA(q). Como se puede apreciar, este proceso supone que el trmino de error es
una combinacin lineal de varios shocks pasados. El orden del modelo viene dado por los
rezagos de los ruidos blancos incluidos. Debemos tener cuidado de que el nombre no nos lleve a
confusin porque implica que los parmetros del modelo deberan sumar 1. Ello no es as.
Debemos evitar dicha confusin.
243
Econometra Moderna
Perturbaciones no esfricas
Un tercer modelo que usualmente se utiliza es una combinacin de los dos anteriores. Este es
conocido como el modelo Autorregresivo y de Medias Mviles:
t = 1 t 1 + ......... p t p + t + 1 t 1 + ......... + q t q
(8.37)
Las siglas del modelo son ARMA(p,q). Ello implica que existen p rezagos del error y
tambin que se incluyen q rezagos de shocks pasados dentro de la estructura del error.
Los tres modelos presentados tienen cierta relacin entre s. Existe una propiedad que es la
de isomorfismo que sostiene que todo modelo de series de tiempo puede expresarse en trminos
de cualquiera de los otros. Esto ser visto en ms detalle en el captulo de modelos de series de
tiempo.
Una de las razones para la aparicin de autocorrelacin es que muchas de las variables
econmicas que analizamos presentan un comportamiento cclico. Esto est relacionado a la
presencia de ciclos econmicos. Como sabemos en economas de mercado existe una
proclividad a que las series econmicas se muevan de manera conjunta y que presenten cierto
comportamiento en donde las elevaciones tanto por encima como por debajo de su media
muestren cierta persistencia. Esto puede ocasionar que un modelo que incluye variables con este
comportamiento presente autocorrelacin.
Econometra Moderna
Perturbaciones no esfricas
En muchos casos puede ocurrir que a pesar que el modelo es lineal en los parmetros la
relacin sea no lineal en las variables. Una de las posibilidades es que la relacin sea cuadrtica
y ello no ha sido incluido en el modelo. Esto podra ser una de las razones por las que se podra
encontrar la presencia de autocorrelacin en el modelo.
Mala especificacin
En general, puede decirse que la mayora de las veces que se encuentra autocorrelacin
puede deberse a la presencia de una mala especificacin del modelo. De hecho las dos razones
anteriores que se han presentado de alguna manera pueden relacionarse con una mala
especificacin. Para minimizar la probabilidad de ocurrencia y tener certeza de que el problema
est presente una buena estrategia ser comenzar por una especificacin amplia que incluya
todas las variables posibles relevantes para el modelo y sus respectivos rezagos y de all
proceder a la reduccin del modelo (eliminacin de variables o decantacin son expresiones
alternativas para este procedimiento), a travs de la realizacin de muchas pruebas, hasta llegar
a una representacin parsimoniosa que nos permita obtener un buen modelo. Slo si se ha
seguido este proceso se podr disminuir fuertemente la probabilidad de que la autocorrelacin
sea realmente una expresin de la distribucin de los errores y no de una mala especificacin del
modelo.
245
Econometra Moderna
Perturbaciones no esfricas
Proceso AR(1)
De conocerse el tipo de proceso que siguen los errores, la correccin del problema de
autocorrelacin no debe presentar mayores dificultades. Al respecto, la correccin del problema
de autocorrelacin serial positiva de primer orden es la que ha recibido mayor atencin en la
literatura debido a la sencillez de su planteamiento:
t = t 1 + t
(8.38)
donde -1< <1 y t cumple todas las condiciones de Gauss-Markov. Esta representacin
implica que ut depende slo de los valores pasados de t . Para entender esto veamos la siguiente
transformacin de la ecuacin anterior. Esta expresin puede escribirse de la siguiente manera:
t = L t + t
donde L es el operador de rezago. Este operador tiene la propiedad que si se aplica sobre
cualquier variable fechada en un periodo t la rezaga tantas perodos como se aplique el operador
de rezago. Formalmente:
Lx t = x t 1
L2 x t = x t 2
(8.39)
L x t = x t +1
Retomando nuestra expresin anterior, podemos hacer la siguiente transformacin:
t ( 1 L) = t
t =
t
( 1 L)
(8.40)
t = (L) i t
i =0
La ltima expresin proviene del hecho que, si partimos del supuesto que < 1 , tenemos
que la expresin 1
serie geomtrica infinita de orden infinito con mdulo menor a 1. Por ello de la segunda
expresin pasamos a la tercera que es justamente una serie geomtrica de orden infinito. El
operador de rezago interviene en la expresin debido a que, aunque no es una variable, no afecta
para nada la expresin anterior. Si aplicamos el operador de rezago veremos que obtenemos la
siguiente expresin:
ut =
i t i
(8.41)
i =0
246
Econometra Moderna
Perturbaciones no esfricas
que es una representacin MA de orden infinito. Una condicin para poder hacer esta
operacin es que < 1 , lo cual implica que la serie es estacionaria5. Esto ilustra la propiedad
de isomorfismo mencionada anteriormente: podemos pasar de un proceso AR a un proceso MA.
Debemos detenernos un momento a pensar lo que implica el proceso descrito anteriormente.
Como vemos, si < 1 , vemos que el efecto de los shocks pasados van teniendo un peso
decreciente conforme nos alejamos en el tiempo. Esto implica que las condiciones iniciales no
importan mucho para explicar el presente, lo relevante es el pasado reciente. Por ello se dice que
estos procesos tienen memoria corta.
Si queremos obtener la varianza de este tipo de proceso podemos utilizar la representacin
MA. As, aplicando la varianza a dicha expresin obtenemos lo siguiente.
Var ( t ) = 2iVar ( t i )
i =0
Esta expresin slo toma en cuenta la varianza y no las covarianzas de los shocks. Esto
obedece a la naturaleza de ruidos blancos de los shocks. Esta caracterstica implica tambin que
Var ( t ) = Var ( t i ) . Por tanto, si imponemos estas condiciones, el resultado a obtener sera:
Var (ut ) = 2 u =
2
1 2
(8.42)
(8.43)
Cov (u) = 2 u = 2 u 2
...
t 1
...
t 2
1
...
t 3
3
2
...
t 4
... t 1
... t 2
... t 3
... ...
1
...
(8.44)
El concepto de estacionariedad ser revisado ms adelante pero podemos adelantar que el concepto implica de cierta
manera la existencia de un equilibrio estadstico.
247
Econometra Moderna
Perturbaciones no esfricas
(8.45)
2
1+
0
=
.
.
0
.
0
.
1+
.
0
.
.
.
1+ 2
0
0
0
(8.46)
V 1
1 2
=
.
0
1
.
.
.
.
0 .
.
0 .
.
1 0
.
. .
.
. .
.
. .
. .
0
0
0
0
.
.
1
0
0
.
.
0
(8.47)
Esta vendra a ser nuestra matriz P por la cual habra que premultiplicar los datos para lograr
la transformacin que nos permita obtener errores transformados que cumplan con las
propiedades deseadas. A manera de ejemplo, podemos notar que el vector que contiene a la
variable dependiente queda transformado de la siguiente manera:
1 2 y1
y 2 y1
V 1Y =
.
y y
T 1
T
En la prctica, esta alternativa consiste en transformar el modelo original trabajando con las
cuasidiferencias.
y t y t 1 = 1 (1 ) + 2 ( x t x t 1 ) + t
(8.48)
Econometra Moderna
Perturbaciones no esfricas
y t* = y t y t 1
xt* = x t xt 1
1* = (1 )
tenemos:
y t* = 1* + 2 x t* + t
Debido a que t satisface todas las condiciones de Gauss-Markov, se puede aplicar MCO
sobre las variables transformadas y obtener estimadores insesgados y ptimos. Sin embargo,
uno de los problemas que se presentan al momento de utilizar este procedimiento radica en que
se pierde la primera observacin debido a que, evidentemente, no tiene observacin precedente.
Todo el anlisis presentado implica que se conoce y por tanto la transformacin requerida
es fcil de realizar. Sin embargo, este parmetro es desconocido y debe realizarse su estimacin.
Una vez que se estime este parmetro se podr realizar la transformacin de manera factible.
Esto implica el estimador de mnimos cuadrados generalizados factibles.
u t = t + t 1
en este caso la varianza del error vendra dada por la siguiente expresin:
(8.49)
E ( t t 1 ) = E [( t + t 1 )( t 1 + t 2 )] = 2
(8.50)
Estos dos resultados se derivan del hecho que la covarianza entre dos ruidos blancos (cada
uno fechado en distinto perodo) es cero. En funcin a lo anterior es de esperarse que dada la
estructura de la autocorrelacin del error, la covarianza entre dos errores alejados ms de dos
perodos sea tambin igual a cero.
249
Econometra Moderna
Perturbaciones no esfricas
E ( t t 2 ) = E [( t + t 1 )( t 2 + t 3 )] = 0
De esta manera, la matriz de varianzas y covarianzas de los errores quedara de la siguiente
manera:
1 + 2
0
. .
.
0
1+ 2
0 .
.
0
0
1+ 2 0
.
0
E ( ) = 2 .
.
.
. .
.
.
.
.
.
. .
.
.
2
.
.
0 1+
0
0
.
.
. 0
1 + 2
(8.51)
Queda como tarea para el lector determinar la forma de las matrices V y V-1. Una vez
obtenidas stas sera posible realizar la estimacin de mnimos cuadrados factibles siguiendo los
pasos sugeridos para el caso de un proceso AR(1).
t=N
D=
( e t e t 1 ) 2
t =2
t=N
et
(8.52)
2
t =2
donde et representa al residuo de la regresin MCO para el periodo t. La intuicin sobre la que
basa el planteamiento de este estadstico sugiere que dado un coeficiente de autocorrelacin
significativo y positivo, los valores positivos o negativos del trmino de error (ut) tiendan a ser
seguidos de valores positivos o negativos respectivamente. En tales condiciones, la diferencia
250
Econometra Moderna
Perturbaciones no esfricas
(et - et-1) ser generalmente menor, en valor absoluto, que el valor de et. En consecuencia (et - et2
2
1) < et , lo que es lo mismo, el numerador del estadstico ser menor que el denominador. De
esta forma, si el coeficiente es cercano a 1 et ser aproximadamente igual a et-1 por lo que el
valor del estadstico tender a cero. Por otro lado, si el coeficiente de autocorrelacin presenta
un valor negativo, valores positivos para el trmino del error vendrn seguidos de valores
negativos y viceversa. En este caso, el estadstico tender a registrar valores elevados dado que
el numerador ser mayor que el denominador.
La intuicin anterior puede verificarse ms directamente si replanteamos el estadstico de la
forma:
e t 2 + e 2 t 1 2 e t e t 1
D=
e 2t
Si el nmero de observaciones es suficientemente grande,
et 2
e t 1 2
son
e t e t 1
e 2t
errores. Dado que el parmetro flucta entre 1 y -1, el estadstico registrar valores entre 0 y
4, con valores prximos a cero cuando exista autocorrelacin serial positiva de primer orden y
valores cercanos a 4 cuando exista autocorrelacin serial negativa de primer orden. Finalmente,
de no presentarse ningn tipo de autocorrelacin, el valor del coeficiente ser cero por lo que
es estadstico registrar valores cercanos a 2.
Cabe resaltar que la distribucin del estadstico D vara con los valores de las variables
explicativas y, por tanto, es distinta para cada aplicacin emprica. Esto torna particularmente
difcil la constatacin del estadstico, sin embargo, Durbin y Watson obtuvieron cotas superiores
(DU) e inferiores (DL) para los niveles de significancia de su estadstico sobre el conjunto de
todas sus posibles distribuciones de probabilidad. Estas cotas, presentadas en una serie de tablas
publicadas por los autores6 depende del nmero de observaciones de la muestra y del nmero de
variables explicativas incluidas en el modelo. Especficamente, y bajo el supuesto de
autocorrelacin serial positiva7 de primer orden, las reglas de decisin para la contrastacin
estadstica seran:
Si D < DL, se rechaza la hiptesis nula de ausencia de autocorrelacin
Si D > DU, se acepta la hiptesis nula de ausencia de autocorrelacin
Si DL < D < DU, no se puede concluir nada acerca de la presencia de autocorrelacin (zona
de indefinicin)
Lamentablemente, y debido a que las cotas propuestas fueron obtenidas de entre todas las
distribuciones posibles del vector de residuos MCO, exigir que el valor del estadstico est por
debajo de la cota inferior o supere a la cota superior, es en general un requisito demasiado
estricto. Por esto, ser comn encontrarse dentro de la zona de indeterminacin por lo que no
podr concluirse nada acerca de la presencia de autocorrelacin. Asimismo, las cotas obtenidas
por Durbin y Watson suponen que hay un trmino constante includo en el modelo y que todas
las variables explicativas son deterministas (exgenas), condiciones que debern cumplirse para
poder aplicar la prueba.
Las tablas para la contrastacin del estadstico Durbin Watson pueden encontrarse en Gujarati, Econometra
(Segunda Edicin), Apndice B.
7
Para el caso de autocorrelacin serial negativa de primer orden basta intercambiar DL y DU.
251
Econometra Moderna
Perturbaciones no esfricas
T
1 TVar ( ! 2)
(8.53)
donde Var( ! 2) denota la varianza del estimador MCO del coeficiente asociado al primer rezago
de la variable endgena. De no existir autocorrelacin, el estadstico H tiene una distribucin
que se aproxima a N(0,1) cuando el tamao muestral tiende a infinito. Dado que la hiptesis
alternativa es que exista autocorrelacin serial positiva o negativa, el contraste de la hiptesis
nula debe ser un contraste de una sola cola, por lo que debe compararse el valor calculado
contra 1.645, el valor de la N(0,1) al 95% de confianza. Sin embargo, puede an aparecer un
problema adicional si la varianza del coeficiente MCO es mayor que 1/T , en cuyo caso el
trmino dentro del radical sera negativo. Para estos casos, Durbin demostr que cuando la
muestra tiende a infinito, un modo equivalente de llevar a cabo esta prueba consiste en estimar
una regresin de los residuos MCO de la regresin original sobre un rezago del mismo, todos
los rezagos de la variable endgena incluidos en el modelo y las dems variables explicativas.
En este caso, la hiptesis nula se rechaza si el coeficiente de et-1 resulta significativamente
distinto de cero.
Estrategias cuando el test de Durbin Watson es significativo:
Originalmente, el test de Durbin Watson fue construido para verificar si el trmino de error
sigue un proceso autorregresivo de primer orden. Sin embargo cuando el valor del estadstico es
significativo existen otras tres posibles causas alternativas:
Que la significancia del estadstico sea una indicacin de correlacin serial pero que sta no
sea de primer orden.
Que la correlacin serial haya sido causada por omisin de alguna variable.
Que la correlacin serial haya sido causada por una mala especificacin dinmica.
Econometra Moderna
Perturbaciones no esfricas
estimado contra algunos de sus rezagos, donde la intuicin acerca del nmero de rezagos
significativos la puede proporcionar el correlograma de los residuos.
Modelo Verdadero:
Modelo Estimado:
donde:
wt = 2zt + ut
w =
z
1+
/ 2 2 2 z
(8.54)
En este caso, se puede comprobar que la prueba de Durbin Watson presenta algunos problemas
en la deteccin de autocorrelacin. Se ha encontrado que la prueba pierde poder cuando la
autocorrelacin se explica por la omisin de una variable. Por ello es que se han desarrollado
pruebas alternativas que intenten explorar la posibilidad de estructuras de autocorrelacin ms
complejas. En todo caso, una manera de evitar la aparicin de este tipo de autocorrelacin es
realizar una correcta especificacin del modelo desde el principio dado que la aparicin de un error
Recordemos que el coeficiente de autocorrelacin de una variable Xt puede ser expresado de la forma: k =
Cov(xt,xt-k) /Var (xt).
253
Econometra Moderna
Perturbaciones no esfricas
no esfrico debida a una mala especificacin nos llevara a realizar una correccin a travs de la
manipulacin de los datos. Esto porque si la variable omitida es autocorrelacionada de primer orden
un resultado probable es que el error estimado del modelo nos sugiera la presencia de un modelo
AR(1) para el error. Esto nos llevara a tratar de corregir el problema a travs del mtodo de la
cuasidiferencias lo cual sera un error. El resultado sera que un problema sera corregido de manera
equivocada lo cual hara que nuestro modelo carezca de relevancia. Por ello, a riesgo de ser
repetitivos, lo recomendable es iniciar la modelacin de una manera lo ms general posible para
evitar este tipo de problemas.
3. Autocorrelacin causado por una mala especificacin dinmica
Para comprender el problema de mala especificacin dinmica, se parte de un modelo de la
forma:
yt = xt + ut
donde ut = ut-1 + t
Tomando las cuasidiferencias del modelo planteado se tiene:
yt = yt-1 + xt - xt-1 + t
Se supone ahora un segundo modelo de la forma:
yt = 1yt-1 + 2xt + 3xt-1 + t
Ntese que el primer modelo es igual al segundo bajo la restriccin de que 1 2 + 3 = 0 y
que 1 = . En este sentido, un test que verifique si = 0 es un test para 1=0 y 3=0, de modo
que si se rechaza la hiptesis nula de ausencia de autocorrelacin en realidad se estara
aceptando que es distinto de cero por lo que los parmetros 1 y 3 seran tambin
significativamente distintos de cero de modo que el modelo original estara mal especificado, ya
que estara omitiendo las variables yt-1 y xt-1 . En otras palabras, de obtener un estadstico D
significativo puede ser que se est frente a un problema de mala especificacin dinmica ms
que ante un proceso autorregresivo en los errores. Nuevamente lo mejor es iniciar el proceso de
modelacin con una especificacin lo ms amplia posible que incluya todas las variables
necesarias as como todas las consideraciones dinmicas posibles.
Ejemplo:
El valor para el estadstico Durbin-Watson lo proporciona el programa EViews al realizar
cualquier regresin:
LS // Dependent Variable is CONPRI
Date: 06/01/97 Time: 00:36
Sample: 1896 1995
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
CAPITAL
INGDISP
208.6535
0.023852
0.454549
46.70111
0.004480
0.013246
4.467848
5.323810
34.31568
0.0000
0.0000
0.0000
254
Econometra Moderna
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Perturbaciones no esfricas
0.993622
0.993490
321.7478
10041598
-717.7477
0.543929
4263.275
3987.850
11.57708
11.65523
7555.668
0.000000
t=N
- D=
(et et 1 ) 2 = 5461920.67
t =2
t=N
et
= 0.54454327
= 10030278.5
t =2
A partir de las cotas sugeridas por Durbin y Watson en sus tablas, se puede contrastar el
valor obtenido para el estadstico D. Especficamente , y para k = 3 (dos variables explicativas y
la constante) y n = 100 (nmero de observaciones), tenemos que dL = 1.613 y dU = 1.736. Dado
que el valor obtenido para el estadstico D resulta menor a la cota inferior, se concluye que
existe autocorrelacin serial positiva de primer orden.
Q = T r 2i
(8.55)
i =1
Q = T ( T + 2 )
i =1
r 2i
T i
(8.56)
ri =
ut ut i
t =1
t =T
ut
(8.57)
2
t =1
255
Econometra Moderna
Perturbaciones no esfricas
et = 1et 1 + t
et = 1et 1 + 2 et 2 + t
.................................
et = 1et 1 + 2 et 2 + 3 et 3 + ........... + 15 et 15 + t
(8.58)
256
Econometra Moderna
Perturbaciones no esfricas
rk =
ut ut k
ut 2
El primer estadstico (r1) que correspondera a la estimacin MCO del parmetro , fue el
utilizado en la construccin del test de Durbin-Watson. La generalizacin planteada
simultneamente por Breusch y Godfrey se conoce tambin como el test de multiplicadores de
Lagrange (LM) y consiste en regresionar los residuos MCO sobre sus p rezagos y las variables
explicativas del modelo original. El nmero de rezagos incluidos de los errores debe coincidir
con el nmero de estadsticos rk cuya significacin conjunta se pretende contrastar. El
estadstico que obtenemos a partir del planteamiento de este test corresponde a TR2 (donde T es
257
Econometra Moderna
Perturbaciones no esfricas
Ejemplo:
Comandos EViews:
VIEW/RESIDUAL TESTS/SERIAL CORRELATION LM TEST
Resultados:
258
Econometra Moderna
Perturbaciones no esfricas
28.68505
55.23254
Probability
Probability
0.000000
0.000000
Test Equation:
LS // Dependent Variable is RESID
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
CAPITAL
INGDISP
RESID(-1)
RESID(-2)
RESID(-3)
RESID(-4)
4.931975
0.001622
-0.004797
0.788615
-0.123128
0.206486
-0.198072
31.99916
0.003220
0.009471
0.101299
0.128390
0.128409
0.105542
0.154128
0.503841
-0.506525
7.785007
-0.959015
1.608036
-1.876721
0.8778
0.6156
0.6137
0.0000
0.3400
0.1112
0.0637
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.552325
0.523443
219.8574
4495368.
-677.5632
1.985940
-8.25E-13
318.4812
10.85339
11.03575
19.12337
0.000000
259
Econometra Moderna
Perturbaciones no esfricas
Este procedimiento se basa en el supuesto extremo de que = 1 , es decir que existe una
autocorrelacin positiva o negativa perfecta. Para el caso en que = 1, la ecuacin de
cuasidiferencia se reduce a la primera diferencia:
Yt Yt 1 = 2 ( X t X t 1 ) + (ut ut 1 ) = 2 ( X t X t 1 ) + t
(8.59)
o, lo que es lo mismo:
Yt = 2 X t + t
Bajo el supuesto simplificador de que existe autocorrelacin serial positiva de primer orden,
la estrategia de correccin consistira, por tanto, en tomar las primeras diferencias de la variable
explicada y las explicativas, y aplicar MCO. Una caracterstica importante del modelo en
primera diferencia es que no contiene un intercepto. Si fuera as, se estara partiendo de un
modelo original con tendencia, donde el intercepto en el modelo en diferencias vendra a ser, en
realidad, el coeficiente de la variable de tendencia en el modelo original. Para verificar esto,
supongamos un modelo de la forma:
Yt = 1 + 2Xt + 3t + ut
donde ut sigue un esquema autorregresivo de primer orden. Tomando la primera diferencia al
modelo anterior tenemos:
Yt = 2Xt + 3 + t
Tal como se indic anteriormente, el trmino de intercepto en el modelo en diferencias
corresponde al coeficiente de la tendencia en el modelo original.
Ahora, en lugar de suponer que = 1 se har el supuesto extremo contrario, esto es, que el
error sigue un esquema autorregresivo de primer orden negativo ( = -1). En este caso, el
procedimiento de correccin tambin se basa en el modelo en diferencias el cual, sin embargo,
adopta ahora la siguiente forma:
Yt + Yt 1 = 2 1 + 2 ( X t + X t 1 ) + (ut + ut 1 ) = 2 1 + 2 ( X t + X t 1 ) + t
Yt + Yt 1
X + X t 1 t
= 1 + 2 t
+
2
2
2
Tal como se verifica en la expresin anterior, el procedimiento de correccin cuando = -1
consiste en realizar una regresin de promedios mviles.
En los dos casos analizados previamente, se han realizado supuestos bastante simplificadores
respecto al tipo de proceso que caracteriza al error. Evidentemente, de no verificarse el supuesto
sobre el que descansa el procedimiento utilizado para corregir el problema de autocorrelacin,
las estimaciones realizadas pueden incluso resultar peores en trminos de eficiencia que las del
modelo original. Por esto, resulta til realizar alguna prueba que permita verificar la validez de
los supuestos utilizados.
ii) Prueba de Berenblutt-Webb sobre la hiptesis: = 1
Con el fin de verificar la hiptesis de que los errores siguen un esquema autorregresivo de
primer orden y positivo, estos autores desarrollaron en siguiente estadstico:
260
Econometra Moderna
Perturbaciones no esfricas
g=
e! 2 t
t =2
n
(8.60)
!2
t =1
donde u! t son los residuos MCO del modelo original y e!t son los residuos MCO del modelo en
primeras diferencias. Si el modelo original contiene una constante es factible realizar el
contraste de este estadstico en las tablas de Durbin Watson, slo que en este caso hay que tener
presente que la hiptesis nula es que = 1 y no que = 0, como en la prueba de DurbinWatson original.
Ejemplo:
Supongamos que se quiere estimar el modelo:
D1t = 1 + 2Y1t + 3I1t +ut
donde:
D1t = demanda de dinero en t
Y1t = ingreso en t
I1t = tasa de inters en t
LS // Dependent Variable is D1
Sample: 1 100
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
I1
2.047960
1.739924
-0.683569
1.432332
0.095900
0.133423
1.429808
18.14320
-5.123335
0.1560
0.0000
0.0000
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.811677
0.807794
3.530736
1209.211
-266.5215
0.143866
9.134013
8.053446
2.552553
2.630709
209.0362
0.000000
Ahora, se puede verificar directamente si el error presenta algn esquema autorregresivo con
el test de Breusch Godfrey.
Comandos EViews:
VIEW - RESIDUAL TESTS - SERIAL CORRELATION LM TEST
Breusch-Godfrey Serial Correlation LM Test:
261
Econometra Moderna
F-statistic
Obs*R-squared
Perturbaciones no esfricas
302.8320
86.44143
Probability
Probability
0.000000
0.000000
Test Equation:
LS // Dependent Variable is RESID
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
I1
RESID(-1)
RESID(-2)
-0.845271
-0.057133
-0.077066
0.927554
0.014394
0.545537
0.036343
0.050805
0.103192
0.104768
-1.549429
-1.572059
-1.516895
8.988652
0.137391
0.1246
0.1193
0.1326
0.0000
0.8910
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.864414
0.858705
1.313700
163.9517
-166.6139
1.946818
5.68E-16
3.494890
0.594402
0.724660
151.4160
0.000000
Tal como lo indican los resultados anteriores, existe evidencia suficiente para suponer que el
error sigue un esquema autorregresivo de primer orden positivo (el coeficiente asociado al
primer rezago es significativo y cercano a uno). Sin embargo, se puede verificar lo anterior con
la prueba de Berenblutt-Webb, para lo cual se debe realizar la regresin del modelo en primeras
diferencias:
Coefficient
Std. Error
C
D(Y1)
D(I1)
0.084773
0.839124
-0.483509
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.355294
0.341863
1.078225
111.6067
-146.4081
2.031564
t-Statistic
0.109872
0.123092
0.121542
Prob.
0.771557
6.817044
-3.978107
0.4423
0.0000
0.0001
0.215021
1.329081
0.180467
0.259107
26.45258
0.000000
Prueba de Berenblutt-Webb:
n
g=
e! 2 t
t =2
n
u! 2 t
1116067
.
= 0.092297
1209.211
t =1
262
Econometra Moderna
Perturbaciones no esfricas
0.648340
1.347070
Probability
Probability
0.525235
0.509903
Test Equation:
LS // Dependent Variable is RESID
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
D(Y1)
D(I1)
RESID(-1)
RESID(-2)
0.003120
0.001804
-0.000194
-0.048578
-0.110444
0.110319
0.124221
0.122235
0.104299
0.104173
0.028278
0.014525
-0.001591
-0.465756
-1.060199
0.9775
0.9884
0.9987
0.6425
0.2918
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.013607
-0.028367
1.082197
110.0881
-145.7299
1.908474
-4.49E-18
1.067166
0.207171
0.338238
0.324170
0.861133
(8.61)
y t = 1 (1 ) + y t 1 + 2 xt xt 1 + t
(8.62)
Esto implica que tenemos un modelo con tres variables explicativas: x y los primeros
rezagos de x e y. Si estimamos esta ecuacin por mnimos cuadrados ordinarios y nos fijamos
en el parmetro del primer rezago de y, veremos que precisamente es . Tomando este estimado
procedemos a realizar la transformacin de las variables.
263
Econometra Moderna
Perturbaciones no esfricas
Ejemplo:
Para el modelo planteado anteriormente:
D1t = 1 + 2Y1t + 3I1t +ut
se tiene que:
D = 2(1 ! ) = 0143886
.
! = 1
D
= 0.928067
2
Ntese que este resultado es bastante similar al valor del coeficiente del primer rezago en el
test de Breusch-Godfrey (0.927554), por lo que ste ltimo tambin puede ser utilizado como
estimador de .
Comandos Eviews:
GENR DD1=D1-0.928067*D1(-1)
GENR DY1=Y1-0.928067*Y1(-1)
GENR DI1=I1-0.928067*I1(-1)
Coefficient
Std. Error
t-Statistic
Prob.
C
DY1
DI1
0.352990
0.946188
-0.500170
0.154581
0.118961
0.127881
2.283520
7.953790
-3.911220
0.0246
0.0000
0.0002
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.417872
0.405745
1.096093
115.3364
-148.0352
1.819169
0.863142
1.421874
0.213339
0.291979
34.45614
0.000000
Econometra Moderna
Perturbaciones no esfricas
ut = ut-1 + t
esta metodologa se resume en:
1. Recoger los residuos MCO de la regresin original, ignorando la presencia (conocida) de
autocorrelacin ( u! t ).
2. Estimar el coeficiente a partir de la siguiente relacin:
u! t = ! u!t 1 + v t
3. Utilizar el estimado de para estimar el modelo en cuasidiferencias ( ! * )
4. Debido a que no se sabe, a priori, si ! es el mejor estimador, utilizar ! * para generar una
nueva serie de residuos:
u ** t = Y ! * X
t
Ejemplo:
Utilizando el modelo anterior:
D1t = 1 + 2Y1t + 3I1t +ut
el test de Breusch-Godfrey permite identificar el tipo de proceso que sigue el error:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
83.69584
78.26002
Probability
Probability
0.000000
0.000000
Usualmente si la diferencia entre los parmetros obtenidos en dos iteraciones consecutivas es menor que 0.001 se
puede decir que el proceso puede detenerse.
265
Econometra Moderna
Perturbaciones no esfricas
Test Equation:
LS // Dependent Variable is RESID
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
I1
RESID(-1)
RESID(-2)
RESID(-3)
RESID(-4)
-0.265253
-0.152843
-0.143106
0.313898
0.589440
0.070033
-0.023779
0.165411
0.081069
0.070917
0.103924
0.109222
0.108307
0.106255
-1.603605
-1.885348
-2.017946
3.020462
5.396709
0.646613
-0.223797
0.1122
0.0625
0.0465
0.0033
0.0000
0.5195
0.8234
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.782600
0.768574
1.103251
113.1962
-148.0915
1.878901
2.62E-16
2.293342
0.263952
0.446314
55.79723
0.000000
Comandos EViews:
QUICK - ESTIMATE EQUATION
D1 C Y1 I1 AR(1) AR(2). La inclusin de los dos ltimos trminos es la forma en la cual
se puede instruir al programa estadstico que se est utilizando para que realice la rutina de
estimacin de Cochrane-Orcutt.
LS // Dependent Variable is D1
Date: 07/22/97 Time: 17:21
Sample(adjusted): 3 100
Included observations: 98 after adjusting endpoints
Convergence achieved after 8 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
I1
AR(1)
AR(2)
2.871037
0.745355
-0.219017
0.408321
0.535560
1.775444
0.098863
0.103968
0.088468
0.089713
1.617081
7.539253
-2.106576
4.615476
5.969693
0.1092
0.0000
0.0378
0.0000
0.0000
266
Econometra Moderna
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Perturbaciones no esfricas
0.889844
0.885107
0.980771
89.45783
-134.5872
1.971756
Inverted AR Roots
.96
1.705326
2.893478
0.010841
0.142727
187.8152
0.000000
-.56
Los coeficientes asociados a los trminos AR(1) y AR(2) son precisamente los estimados de
1 y 2 obtenidos a travs del mtodo de Cochrane-Orcutt. El modelo presentado anteriormente
ya no presenta autocorrelacin, tal como lo demuestran los resultados del test de BreuschGodfrey.
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared
0.845373
3.587149
Probability
Probability
0.500140
0.464751
Test Equation:
LS // Dependent Variable is RESID
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
I1
AR(1)
AR(2)
RESID(-1)
RESID(-2)
RESID(-3)
RESID(-4)
0.020412
0.014301
0.031968
-0.099628
0.098771
0.108719
0.027278
0.082017
-0.197602
1.783038
0.100126
0.108766
0.442233
0.431590
0.450496
0.272334
0.176205
0.140408
0.011448
0.142832
0.293911
-0.225283
0.228854
0.241332
0.100164
0.465462
-1.407346
0.9909
0.8867
0.7695
0.8223
0.8195
0.8099
0.9204
0.6427
0.1628
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.036604
-0.049994
0.984049
86.18335
-132.7599
1.928311
1.28E-10
0.960336
0.055183
0.292578
0.422686
0.904604
No obstante todas las ventajas reseadas de este procedimiento debemos tener en cuenta que el
mtodo de Cochrane Orcutt lo que hace es imponer una serie de restricciones sobre el modelo que pueden
ser exageradas. Analicemos cmo puede ocurrir esto. Si tomamos como supuesto que los resultados nos
arrojan la existencia de un modelo AR(1) el modelo que se estimara sera el siguiente:
y t y t 1 = 1 (1 ) + 2 ( x t x t 1 ) + t
Desarrollando esta expresin obtendramos lo siguiente:
y t = 1 (1 ) + y t 1 + 2 xt xt 1 + t
En trminos de un modelo estimable, esto es equivalente a:
y t = 1 + 2 y t 1 + 3 x t + 4 x t 1 + t
(8.63)
267
Econometra Moderna
Perturbaciones no esfricas
2 3 = 4
Slo si los parmetros estimados por el modelo sin restringir cumplen con la anterior restriccin
podremos concluir que el mtodo de Cochrane-Orcutt es un mtodo apropiado. De no ser as,
probablemente la estimacin de la ecuacin sin restringir ser lo mejor. Si nos detenemos a
observar esta ecuacin veremos que responde a una especificacin dinmica. La
autocorrelacin, entonces habra surgido por no haber incluido los rezagos correspondientes.
y t y t 1 = 1 (1 ) + 2 ( x t x t 1 ) + t
utilizando valores de que se ubiquen en el intervalo abierto +1, -1. Por ejemplo podra
utilizarse valores de =-0.95, -0.90,....., 0.90, 0.95 para realizar todas las estimaciones. El valor
a escoger corresponder al de la ecuacin que arroje la menor suma de residuos al cuadrado
(SRC). Se ha demostrado que este tipo de estimacin puede ser interpretada como estimados
condicionales de mxima verosimilitud dado que la estimacin a travs de la minimizacin de la
suma de residuos al cuadrado es la misma que la maximizacin de la funcin de verosimilitud si
es que eliminamos la primera observacin (al igual que el mtodo de Cochrane-Orcutt). Dada la
eliminacin de la primera observacin se dice que la maximizacin es condicional en Y1, dado
que se estara asumiendo que esta observacin es constante.
v) Procedimiento de dos etapas e iterativo de Prais-Winsten
Una de las desventajas de los tres ltimos procedimientos descritos es que se pierde la primera
observacin. En primera instancia, se podra pensar que eliminar una observacin no tendra
mucho efecto sobre las estimaciones a realizar. Eso es cierto si es que los datos no presentan una
tendencia. Sin embargo, si los datos presentan una tendencia y eliminamos una observacin
podramos estar alterando el valor de los parmetros al no incluir dicha observacin.
Un procedimiento que intenta no eliminar esta primera observacin es el de Prais-Winsten.
Estos autores plantean que una estrategia recomendable para obtener sera minimizar la
siguiente expresin:
n
S * = (1 2 )e12 + (et et 1 ) 2
(8.64)
t =2
La innovacin del mtodo es la inclusin del primer trmino de la derecha. Si minimizamos esta
expresin obtenemos el estimador de Prais-Winsten :
10
Aqu con fines didcticos estamos utilizando un modelo lineal simple, el resultado se puede generalizar a un
modelo con un mayor nmero de variables.
268
Econometra Moderna
Perturbaciones no esfricas
pw =
e e
t =2
n
t t 1
e
t =3
(8.65)
2
t 1
2.
Yt* = Wt* + X t* + t
(8.66)
Yt* = Yt 1 2 ,
Wt * = 1 2 ,
X t* = X t 1 2
y para t=2,........,n :
Yt * = Yt Yt 1 ,
Wt * = 1 ,
X t* = X t X t 1
si se cumplen estas dos pasos estamos en el llamado proceso de dos etapas de Prais-Winsten. El
proceso podra repetirse hasta alcanzar la convergencia al estilo de Cochrane-Orcutt. En dicho
caso el recibe el nombre de proceso iterativo de Prais-Winsten.
Una variante de este mtodo sera aplicar una estrategia tipo Hildreth-Lu en donde se prueba
diferentes estimaciones con diferentes valores de y se escoge aquella que presenta la menor
suma de residuos al cuadrado (SRC). Ambos mtodos son asintticamente equivalentes.
( )
! N ,V!
luego de demostrar que:
269
Econometra Moderna
Perturbaciones no esfricas
plim V! = V
T
de modo que la matriz de covarianzas del estimador MCO vendra dada por:
1
v T
T 2
T
V = xt x' t et t x t x' t + 1
( x t et et v x' t v + x t v et v et x' t
q + 1t =v +1
v =1
t =1
t =1
) xt xt '
t =1
(8.67)
T 9
q = 4
100
Este estimador implica calcular la ecuacin original por MCO sin aplicar ninguna
correccin. Esto se basa en el hecho que la presencia de autocorrelacin y heterocedasticidad no
afectan el insesgamiento del estimador. En cambio para la ecuacin de varianzas y covarianzas
se plantea la correccin presentada lneas arriba. Debe mencionarse que este procedimiento es
recomendable cuando no se tiene una idea clara de cul es el patrn que sigue la autocorrelacin
pero s se ha detectado su presencia. Es un estimador asintticamente eficiente.
(8.68)
Cabe resaltar que la estimacin MCO de los coeficientes para el intervalo muestral se denota
! debido a que est referida precisamente a esta muestra, que se supone comprende hasta el
t
momento t. Asimismo, se supone que esta estimacin es lo suficientemente estable como para
poder ser utilizada en la prediccin de Yt+1.
270
Econometra Moderna
Perturbaciones no esfricas
Segn la expresin anterior, se necesita estimar tanto el valor de las variables explicativas en
el periodo t+1 (Xt+1) como el valor esperado del error para el momento t+1 (Et(ut+1)).
Usualmente se considera que el valor futuro de las variables explicativas es conocido,
especialmente cuando depende de las decisiones de los mismos agentes que buscan realizar la
prediccin. De no ser as, sin embargo, se requerira de un anlisis de series de tiempo que nos
permita conocer el comportamiento de dichas variables a partir de su evolucin pasada. En lo
que respecta al trmino de error, cabe recordar que hemos supuesto que ste es una sucesin de
variables aleatorias independientes, por lo que la muestra no puede proporcionarnos ninguna
informacin respecto a su comportamiento futuro. Frente a esto, la esperanza matemtica resulta
la mejor prediccin, esto es: Et(ut+1) = E(ut+1) = 0.
A partir de los resultados anteriores y asumiendo que los valores futuros de las variables
explicativas son conocidos, se tiene que la prediccin mnimo-cuadrtica se reduce a:
Et(yt+1) = (Et(Xt+1)) ! t = Xt+1 ! t
En tal sentido, el error de prediccin (definido como la diferencia entre la variable predecir y
su prediccin) vendra dado por:
et = Yt+1 - Et(Yt+1) = Xt+1 - Xt+1 ! t + ut+1 = Xt+1( - ! t ) + ut+1
Cabe recordar que et es una variable aleatoria en el momento t, ya que su realizacin ocurrir
en el periodo t+1. Asimismo, y debido a que el estimador MCO es insesgado, el error de
prediccin tiene esperanza cero. Con esto en mente, se pasar ahora a la estimacin de la
varianza del error de prediccin (2e).
[
E {[( X ' X )
E {[( X ' X )
][
]
]}
][
]}
= 2 u X ' t +1 ( X t ' X t ) 1 X t +1 + 2 u
(8.69)
La expresin anterior se basa en el supuesto de que el trmino de error es independiente en el
tiempo, por lo que E ! u
=0.
t t +1
271
Econometra Moderna
Perturbaciones no esfricas
et
Y E t (Yt +1 )
= t +1
! e
! e
P E t (Yt +1 ) Yt +1 e
(8.70)
2
De esta forma, se elige un nivel de confianza del 95% (=4.472) y a partir de la expresin
anterior, se puede afirmar que la probabilidad de que el valor de Yt+1 se halle entre Et(Yt+1) 4.472 ! e y Et(Yt+1) + 4.472 ! e es mayor o igual a 0.95.
Segn lo visto anteriormente, resulta obvio que la presencia de una matriz de covarianzas no
escalar o, lo que es lo mismo, frente a la presencia de heterocedasticidad y/o autocorrelacin,
afecta el poder predictivo de un modelo. Especficamente, este efecto puede verse de dos
formas: alterando las estimaciones puntuales o alterando los intervalos de confianza.
En el caso de errores heterocedsticos, se sabe ya que el trmino 2u no es constante en el
tiempo, lo que tiene un efecto importante sobre la amplitud de los intervalos de confianza.
Especficamente, y dado que la definicin del intervalo depende del estimado de la desviacin
tpica del error de prediccin (la cual a su vez depende de la varianza del error muestral), su
amplitud se vera alterada de presentarse una varianza cambiante a lo largo de la muestra.
Recordemos que la varianza del error de prediccin viene dada por:
2 e = 2 u X ' t +1 ( X t ' X t ) 1 X t +1 + 2 u
En este sentido, si se registrase la presencia de errores heterocedsticos 2u no sera constante
y la varianza del error de prediccin se vera alterada. Si suponemos, por ejemplo, que la
varianza del trmino de error depende positivamente de alguna de las variables explicativas, la
varianza del error de prediccin se vera incrementada lo que ocasionara una mayor amplitud
en el intervalo de confianza para la prediccin.
Luego de corregir el problema de heterocedasticidad a travs de la estimacin por MCG, la
varianza del error de prediccin vendra dada por:
(8.71)
modo
que:
272
Econometra Moderna
Perturbaciones no esfricas
Var (et ) =
u X t +1
+ X 2 t +1
= 2 u X 2 t +1 + X 2 t +1
2 u
X 2t
2t
(8.72)
1
= 2 u X 2 t +1 1 +
Por otro lado, si los errores presentan autocorrelacin ya no resulta factible asumir que
Et(ut+1) = 0 ya que la muestra de hecho aporta informacin para la estimacin futura de ut+1. En
este sentido, la presencia de autocorrelacin afecta el valor obtenido en la prediccin puntual. Si
los errores presentan un esquema autorregresivo de primer orden de la forma:
ut = ut-1 + et
y se utiliza el modelo en cuasidiferencias para corregir este problema, la expresin para la
prediccin puntual se reduce a:
E t (Yt +1 ) = X ' t +1 MCG + u!t
Resulta sencillo verificar lo anterior utilizando la transformacin en cuasidiferencias:
Yt +1 Yt = ( X t +1 X t )' + t +1
y tomando la esperanza condicional en el periodo t11:
E t (Yt +1 ) Yt = X ' t +1 X t ' + t +1
E t (Yt +1 ) = X ' t +1 + u! t
Ejemplo:
Supongamos dos modelos de la forma:
CONS1t = 0 + 1Yt + 2Kt + ut
CONS2t = 0 + 1Yt + 2Kt + t
donde:
CONS = cosumo en el periodo t
Yt = ingreso en el periodo t
Kt = dotacin de capital en el periodo t
Var(ut) = 2u
Var(t) = 2uYt2
t = 1,2,...,300
Segn el planteamiento anterior, el segundo modelo presenta errores heterocedsticos debido
a que su varianza depende positivamente del cuadrado de una de las variables explicativas.
Debido a esto, es de esperar que la varianza del error de prediccin para el primer modelo sea
11
273
Econometra Moderna
Perturbaciones no esfricas
menor que la varianza del error de prediccin del segundo modelo, dado que sta depende
positivamente de la varianza del error muestral. Ahora, si suponemos que el ingreso (que es la
variable que influye sobre la varianza del error del segundo modelo) presenta una trayectoria
creciente, debemos esperar que la varianza del error de prediccin del segundo modelo tambin
presente este comportamiento. En otras palabras, si realizamos una serie de predicciones
sucesivas, el error de prediccin deber presentar una varianza cada vez mayor debido a la
influencia de la variable ingreso, la cual presenta un comportamiento creciente.
Para verificar lo anterior, se estima cada modelo para el periodo t = 1,...,100 y se utilizarn
los coeficientes MCO para predecir el consumo para los 200 periodos subsiguientes.
!"
Comandos EViews:
QUICK - ESTIMATE EQUATION
CONS1 C Y K
FORECAST
Sample 101 101
La serie CONS1F guarda el valor de la prediccin para la variable dependiente
(E100(CONS1101))
GENR ER1=CONS1-CONS1F
As estimamos el valor del error de prediccin para el periodo t=101.
Si se realiza esta operacin para cada modelo y de modo iterativo modificando la muestra de
la prediccin de 100+i a 100+i (i=1,...200), se debe verificar que la varianza del error de
prediccin para el segundo modelo registra un comportamiento creciente. Para comprobar este
ltimo, se comparan los grficos de las series ER1 y ER2.
3
2
1
0
-1
-2
-3
120 140 160 180 200 220 240 260 280 300
ER1
274
Econometra Moderna
Perturbaciones no esfricas
200000
100000
100000
200000
300000
120 140 160 180 200 220 240 260 280 300
ER2
Los grficos anteriores nos muestran claramente cmo el efecto de la variable ingreso sobre
la varianza del error de prediccin (efecto que se da a travs de la varianza del error muestral)
causa que sta siga un comportamiento creciente a lo largo del tiempo. Asimismo, la varianza
del error de prediccin para el primer modelo resulta considerablemente menor que la varianza
del error de prediccin para el segundo modelo (tal como se verifica al observar entre qu
valores flucta cada error de prediccin), lo que tiene un efecto importante sobre el intervalo de
confianza de la prediccin, tal como se indic anteriormente.
Ejemplo:
Supongamos ahora un modelo de la forma:
D1t = 1 + 2Y1t + 3I1t +ut
donde:
D1t = demanda de dinero en t
Y1t = ingreso en t
I1t = tasa de inters en t
t = 1,2,...,300
Definiedo la muestra para las primeras 100 observaciones, se estima el modelo anterior:
LS // Dependent Variable is D1
Sample: 1 100
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
I1
0.037237
0.844006
-0.295039
0.115442
0.104999
0.109523
0.322557
8.038228
-2.693852
0.7477
0.0000
0.0083
R-squared
0.474608
0.257528
275
Econometra Moderna
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Perturbaciones no esfricas
0.463776
1.087428
114.7025
-148.7524
1.401694
1.485003
0.197172
0.275327
43.81208
0.000000
276
Econometra Moderna
Perturbaciones no esfricas
4.784975
9.151722
Probability
Probability
0.010472
0.010297
Test Equation:
LS // Dependent Variable is RESID
Variable
Coefficient
Std. Error
C
Y1
I1
RESID(-1)
RESID(-2)
0.019112
-0.046911
-0.023888
0.282882
0.060756
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.091517
0.053265
1.047329
104.2052
-143.9535
1.971462
t-Statistic
0.111357
0.102614
0.106056
0.104178
0.106760
Prob.
0.171628
-0.457165
-0.225242
2.715364
0.569090
0.8641
0.6486
0.8223
0.0079
0.5706
1.18E-16
1.076388
0.141192
0.271451
2.392488
0.055996
Segn los resultados anteriores, resulta factible suponer el siguiente esquema autorregresivo
para el error muestral:
ut = 0.2829ut-1 + t
Ahora, si lo que se busca es realizar una prediccin hay que tomar en cuenta que frente a la
presencia de autocorrelacin de primer orden en el trmino de error, la prediccin puntual se
reduce a:
E t (Yt +1 ) = X ' t +1 MCG + u!t
Al utilizar el comando FORECAST del EViews, el programa empieza estimando los residuos
del modelo original para las observaciones ubicadas antes de la primera observacin de la
muestra involucrada en la prediccin. Luego, el EViews estima los residuos para el periodo
definido en la prediccin y finalmente suma estos residuos al producto de las variables
explicativas y los estimadores MCG, tal como se indica en la expresin anterior.
Para verificar esto, se corrige la autocorrelacin utilizando el mtodo iterativo de CochraneOrcutt y se comparan los resultados con los obtenidos a travs del comando FORECAST.
277
Econometra Moderna
Perturbaciones no esfricas
!"
Comandos EViews:
SMPL 1 100
QUICK - ESTIMATE EQUATION
D1 C Y1 I1 AR(1)
LS // Dependent Variable is D1
Sample(adjusted): 2 100
Included observations: 99 after adjusting endpoints
Convergence achieved after 6 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
Y1
I1
AR(1)
0.058860
0.840467
-0.332134
0.298718
0.155499
0.106958
0.111986
0.099164
0.378523
7.857891
-2.965856
3.012377
0.7059
0.0000
0.0038
0.0033
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.522706
0.507634
1.046204
103.9816
-142.9051
1.986982
Inverted AR Roots
0.264355
1.490982
0.129902
0.234755
34.67964
0.000000
.30
278
Econometra Moderna
Perturbaciones no esfricas
Comparando los grficos de las variables FORE y D1F para la muestra t=101,...,300, se
verifica que ambas estimaciones arrojan valores bastante cercanos. Lo anterior demuestra que la
estimacin realizada por el programa a travs del comando FORECAST incorpora el esquema
autorregresivo del error muestral al momento de predecir los valores futuros de la variable
dependiente.
4
-2
-4
120 140 160 180 200 220 240 260 280 300
D1F
-2
-4
120 140 160 180 200 220 240 260 280 300
FORE
279
Econometra Moderna
Perturbaciones no esfricas
El empleo del mtodo de mxima verosimilitud (MV) como una tcnica alternativa al
estimador mnimo cuadrtico (MCO) ya ha sido analizada en el Captulo 5. En l se demostr
que los estimadores que se obtenan utilizando esta nueva tcnica resultaban ser asintticamente
iguales a los reportados por el empleo del MCO.
A lo largo de este captulo se ha desarrollado una variacin al mtodo MCO para poder
seguir obteniendo estimadores eficientes aun en presencia de perturbaciones no esfricas. Esta
tcnica recibe el nombre de mnimo cuadrados generalizados (MCG) ya que en ella se
contempla el caso en que la matriz de varianzas y covarianzas no cumpla con las condiciones de
Gauss-Markov, lo cual implica que esta matriz est especificada de la siguiente forma: 2 u ,
en donde I . Al igual que en el caso del MCO, ahora tambin podemos demostrar que los
estimadores MV son tambin equivalentes a los obtenidos a travs de los MCG.
Para esto es necesario asumir la normalidad de los errores u N (0, 2 ) ; de tal manera que
la funcin de verosimilitud quedara determinada de la siguiente forma:
L( Y, X / , 2 ) =
1
( 2)
n/2
( )
2 n/2
1/ 2
exp 2 ( y x) 1 ( y x)
2
(8.73)
n
n
n
1
ln(2) ln( 2 ) ln 2 ( y x) 1 ( y x)
2
2
2
2
(8.74)
Ahora se procede a derivar las condiciones de primer orden para obtener los estimadores, tal
como se vio en la seccin 5.3:
de ln L
de ln L
: MV = ( x 1 x ) 1 x 1 y
2 MV =
e 1 e
T
12
Nota: para el clculo de los errores se pueden emplear los estimados a partir del procedimiento MCO o de MV.
280
Econometra Moderna
Perturbaciones no esfricas
involucrara el empleo de demasiado trabajo por parte del investigador. El mtodo de MV nos
permite realizarlo en una forma mucho ms rpida.
2 i = 2 . = 2
z 1 (1 , 2 , )
z 2 ( 1 , 2 , )
z 3 ( 1 , 2 , )
.....
z n (1 , 2 , )
13
El lector deber tener cuidado en no confundir los parmetros de los dos modelos involucrados en todo este
proceso: el primer modelo es aquel donde se aplica el MCG para lograr obtener estimadores eficientes de los
parmetros y i. El segundo busca modelar la varianza del error del primer modelo (esto es necesario para poder
aplicar MCG al primer modelo) y obviamente contiene parmetros que deben ser estimados (i y ).
281
Econometra Moderna
Perturbaciones no esfricas
n
n
n
ln(2) ln( 2 ) ln
2
2
2
2
ln L =
ln z i
i =1
1
2 2
e i2
z
i =1
(8.76)
En esta expresin se cuenta con tres parmetros desconocidos: , 2 y . Por tanto, si se
deriva la expresin anterior con respecto a cada uno de estos, se obtendran las denominadas
condiciones de primer orden:
ln L
=
ln L
2
x .
i
i =1
n
2 2
1
ln L
=
2
ei
2
z I
1
2 4
ln z
i =1
e i2
i =1
z i
1
2 2
e 2I ln z i
i =1
z i
Para poder estimar algebraicamente los valores ptimos de cada una de las variables es
necesario utilizar procedimientos no lineales. Por este motivo, la mayora de los paquetes
economtricos utilizan un procedimiento iterativo para realizar estas estimaciones. El rango de
los valores en que se esperara encontrar el ptimo es de entre 0 y 3. El computador va
asignando diversos valores dentro de este rango y para cada valor que toma procede a estimar
y 2. Finalmente, la computadora elige los valores de, y 2 que maximicen el valor de la
funcin ln L14.
Si se quiere hallar la matriz asinttica de varianzas-covarianzas, entonces se estima
empleando para ello a la matriz de informacin de la siguiente manera:
1
2
1
E ln L =
x i x i / z I
1
2 2
ln z i
2
ln z i
1
4
ln z
2 2
1
2
(8.77)
donde representa el vector de los parmetros a estimar: , 2 y . Los elementos de la diagonal
principal son una estimacin de la varianza de los estimadores de cada uno de estos parmetros.
14
Este procedimiento de estimacin es conocido como el algoritmo de bsqueda y es bastante sencillo aunque no se
aplica mucho en la prctica. Existen otros algoritmos de optimizacin que emplean tanto el vector gradiente (como
en este caso) como la matriz hessiana, para de esta manera crear una rutina de bsqueda ms compleja.
282
Econometra Moderna
Perturbaciones no esfricas
n
n
n
ln(2) ln( 2 )
2
2
2
ln f () 2 f () e
1
i =1
i =1
2
i
Antes de definir las condiciones de primer grado denotaremos a fi() como fi y al vector de
f ()
como gi. De esta manera, las condiciones de primer grado sern las siguientes:
derivadas i
ln L
=
ln L
2
ei
x .
i
i =1
ln L 1
=
2
2 2
n
1
2 4
ei2
2
f
i =1
fi
i =1
e 2I
fi
1
1 g i
f i
ln L
se obtienen los valores de las k variables que estn incorporados en el modelo
ln L
ln L
se obtiene el
se estima la varianza de los errores, mientras que de
original. De
2
valor de todos los parmetros desconocidos de la matriz . Se asume que dentro de estos
parmetros () no se encuentra el valor de algn coeficiente del modelo original . Los clculos
se realizan de manera simultnea a travs de diferentes algoritmos de optimizacin. El empleo
de estos depende generalmente de las caractersticas de la matriz de segundas derivadas.
de
Antes de calcular la matriz de varianzas y covarianzas para este caso general se debe definir
a la matriz G de n x M como aquella en donde cada fila es f i / y donde i es un vector nx1
de conformado por 1s:
E ln L
(1 / 2 )X X
0
0
4
2
1
0
n /(2 )
(1 /(2 ))i G
=
2
1
0
(1 /(2 ))G i (1 / 2)G 2 G
en donde = , 2 ,
15
283
Econometra Moderna
Perturbaciones no esfricas
16
El algoritmo de scoring utiliza la propiedad de que la esperanza matemtica de la matriz hessiana de la funcin
de verosimilitud (la matriz de informacin cambiada de signo) tiene una expresin analtica ms sencilla que la
propia matriz de segundas derivadas. Para una revisin intuitiva de la forma en que operan estos algoritmos, el
investigador puede revisar el anexo al final de este captulo.
17
Una alternativa para evitar la eliminacin de estas variables consiste en determinarlas de la siguiente manera:
y *1 = ( 1 2 ) y1 o bien x *1 = ( 1 2 ) x 1
284
Econometra Moderna
Perturbaciones no esfricas
Frente a esto, la estimacin por mxima verosimilitud ofrece una alternativa bastante
interesante para realizar las estimaciones de todos los parmetros involucrados en el modelo.
Para esto se asumir que los errores que se obtienen de regresionar ut contra su rezago se
distribuyen normalmente, esto es: t N (0, 2 ) . Reemplazando esto en la funcin de
verosimilitud se obtiene:
1
L= 2
( 2)
n/2
n 2
i
exp i =1 2
2
luego, haciendo las respectivas sustituciones, y diferenciando el valor que toma la primer
observacin, obtiene:
1
1 2
n 1
ln(2) + ln 2 ln(1 2 )
( y1 x1 ) 2
ln(2) + ln 2
2
2
2
2
1 n
- 2
[( y t y t 1)( x t x t 1 )]
2 t = 2
ln L =
x
t
i =1
ln L 1
=
n
2 2
n
i=2
1
2 4
t u t 1 +
2
t
i =1
u 12
1 2
Ahora bien, se tiene la opcin de realizar un algoritmo de bsqueda. Esto implicara que la
computadora le vaya asignando valores a que se encuentre en el rango [ 1,1] y para cada uno
de estos valores se calcula . Los valores ptimos son aquellos que logren maximizar la
funcin log-verosmil. Sin embargo, tambin se puede utilizar un algoritmo de optimizacin, lo
cual representa un mtodo ms eficiente que el anteriormente mencionado. Para esto es
necesario calcular su matriz de informacin. Este es el resultado al que se llegara:
285
Econometra Moderna
Perturbaciones no esfricas
2
(1 / )X X
I(, 2 , ) =
0
0
n /( 2 4 )
(1 2 )
2
2 (1 2 )
n2
1+ 2
+
1 2 (1 2 ) 2
(1 / 2 )X X
0
0
I(, 2 , ) =
0
n /(2 4 )
0
n 1
0
0
1 2
Tal como se puede observar, en este caso la varianza del factor de autocorrelacin,
1 2
,y
n 1
2 4
, se estima independientemente de la varianza de los parmetros del
n
modelo original; por este motivo la estimacin de , de y de 2 se realiza de forma
independiente. Es necesario recalcar que la conveniencia o no de incluir la primera observacin
depende del tamao de la muestra. Esta observacin no es relevante asintticamente hablando.
Sin embargo, puede acarrear problemas para muestras chicas. Incluso podra darse el caso en
que el valor que alcanzase el factor de autocorrelacin estuviese fuera del rango que se podra
esperar [ 1,1] .
de la varianza de 2,
18
Beack, N. y J. MacKinnon. "Full Maximun Likelihood Estimation of Second-Order Autoregressive Error Models",
Journal of Econometrics, 7, 1978, pp 187-198.
286
CAPITULO 9
MULTICOLINEALIDAD
Econometra Moderna
Multicolinealidad
La colinealidad est referida a la existencia de una sola relacin lineal entre las variables
explicativas y, por lo tanto, la multicolinealidad se refiere a la existencia de ms de una relacin
lineal. Es importante anotar que la multicolinealidad se refiere slo a relaciones lineales entre
las variables independientes y no a cualquier otro tipo de relacin, as pues, si xi = xj2, entonces
no existir multicolinealidad en el modelo. El problema de la multicolinealidad est definido
por el alto grado de intercorrelacin entre variables explicativas. Dentro de las violaciones de
los supuestos del modelo lineal general, la multicolinealidad es un problema de grado y no
terico como la heterocedasticidad o la autocorrelacin, ms an, los estimadores obtenidos
bajo multicolinealidad, conservan las propiedades que los define como MELI.
En 1934, Ragnar Frisch introdujo por primera vez este trmino, refirindose a una situacin
en la que las variables que se trataban estaban sujetas a dos o ms relaciones. l adjudic el
problema a errores en las variables y ste radicaba en la dificultad para estimar las diferentes
relaciones lineales entre las variables verdaderas. Es decir, originalmente, la multicolinealidad
se atribua slo a la existencia de una relacin perfecta o exacta entre las variables
independientes de un modelo economtrico. Se sabe que un conjunto de vectores es linealmente
dependiente si existe al menos una combinacin lineal de ellos que es no trivial.3
En la actualidad, y tal como se mencion anteriormente, se asume que este problema no es
terico sino de grado. En otras palabras en todo modelo economtrico tender a presentarse este
problema, slo que en algunos casos la severidad del problema ser mayor. En este sentido, el
grado, se refiere a la severidad de la correlacin entre las variables explicativas, as pues, la
correlacin entre una o ms variables independientes puede ser perfecta (si, por ejemplo, x1 =
ax2) o puede ser menos que perfecta (o imperfecta) (si x1 = ax2 + ni , donde ni es un trmino de
error estocstico). En trminos generales se puede afirmar que para el caso de series de tiempo,
y ms especficamente de series econmicas, siempre se tendr un grado relativamente alto de
multicolinealidad. Obsrvese la siguiente tabla:
AO
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
PBI
1100
1200
1300
1400
1500
1600
1700
1800
1900
2000
PBIPC
11
12
13
14
15
16
17
18
19
20
PBIPCM
10.73397401
11.83209893
13.12691507
13.98190954
14.39807322
15.91166607
17.81305959
16.12831142
19.31642334
18.21723033
266
Econometra Moderna
Multicolinealidad
Al analizar la matriz de correlacin para estas tres variables, y teniendo en cuenta los
valores de la misma4, se nota que la correlacin entre estas variables es muy alta:
PBI
1
1
0.959027
PBI
PBIPC
PBIPCM
PBIPC
1
1
0.959027
PBIPCM
0.959027
0.959027
1
Se puede concluir entonces que si PBI y PBIPC fuesen empleadas como variables
explicativas de un modelo, los estimadores de los parmetros asociados a tales variables no
podran ser hallados, pues la correlacin entre stas es perfecta. Sin embargo, si el modelo
presentase a la variable PBIPCM, existira an el problema de multicolinealidad, pero ya no en
forma perfecta. Por tanto, la estimacin sera posible, sin embargo, los resultados no seran
fiables debido a que la correlacin entre las variables PBI y PBIPCM es an muy alta.
Todo esto puede ser enfocado bajo el diagrama de Ballentine, en el cual se consideran tres
conjuntos, uno para la variable dependiente (y) y otros dos para las independientes (x2 y x3).
Supongamos que se quiere explicar el bienestar econmico de un pas en funcin el PBI y al
PBI per cpita, entonces, se tiene un modelo como:
Y = b1 + b2x2 +b3x3 + u
donde:
- Y = Indicador de bienestar.
- x2 = PBI
- x3 = PBI per cpita.
Como se ver ms adelante, si la variable para explicar el PBI per cpita fuese PBIPC, al
menos uno de los estimadores no podra ser hallado, pero s se podran hallar todos si se
empleara PBIPCM dado que la correlacin entre PBI y sta no es perfecta. Llevando este
anlisis al diagrama de Ballentine, se tienen tres posibles estados:
No existe colinealidad
Recordemos que los valores del coeficiente de correlacin oscilan entre 1 y -1, indicando estos extremos una
correlacin perfecta (directa e inversa respectivamente), y valores en la vecindad de stos una correlacin severa.
267
Econometra Moderna
Multicolinealidad
268
Econometra Moderna
Multicolinealidad
y = b2x2 + b3x3 + u
Matricialmente:
x12
y1
y
2 = x 22
!
!
yn
xn 2
2
=
3
x13
x23
!
x n3
b2
b
3
!
!
x13 " x n 3 xn 2
x n3
#
%%%%%
%$%%%%%
%
&
x' x
n 2
xi 2
x' x = n 1
x i 2 x i 3
1
x12 " x n2 y1
x13 " xn 3 y n
x i 2 xi 3
1
xi23
2 n 2
a x 3
x ' x = n1
a x2
3
1
a x 32
1
n
2
1 x 3
x ' x = a 2 * ( x 32 ) 2 a 2 * ( x 32 ) 2 = 0
Con lo que se concluye que (xx)-1 es indeterminado y bMCO no se puede estimar.
Adems, bajo estas condiciones, la varianza de los estimadores sera infinita:
269
Econometra Moderna
Multicolinealidad
Var ( 2 ) =
2 x 32
x22 x32 ( x2 x3 ) 2
En este caso, X2 = a X3
Var ( 2 ) =
a2
2 x 32
x32
a2
x32
b4 = b2a + b3
se podr estimar tanto b1* como b4* bajo el mtodo convencional de MCO pero no se podr
descomponer b4* en sus componentes combinados linealmente b2 y b3. Esto, a no ser que se
tenga informacin adicional como el b2* (o el b3*) obtenidos de otra regresin, por ejemplo.
Esto es lo que se conoce como la solucin gracias a la posesin de informacin a priori para
eliminar el problema de multicolinealidad.
270
Econometra Moderna
Multicolinealidad
x 2 1i (1 r 212 )
r12 2
(1 r 2 12 )
x 21i x 2 2i
donde r12 es el coeficiente de correlacin entre las variables X1 y X2. A partir de las relaciones
planteadas anteriormente, se observa claramente que a medida que el coeficiente de correlacin
entre las variables independientes aumenta, ambas medidas toman valores cada vez ms altos.
En el caso extremo de colinealidad perfecta, donde el coeficiente de correlacin es igual a uno,
tanto la varianza como covarianza de los estimadores tiende a infinito. Esta consecuencia se
aprecia claramente si planteamos la varianza del estimador MCO en trminos matriciales:
2 ' = ( X' X) 1 2
Ya sabemos que cuando una de las columnas de la matriz X puede expresarse como una
combinacin lineal de otra columna (esto es, que una de las variables independientes est
colineada con otra) esta matriz no posee rango completo por lo que su determinante sera igual
a cero, ocasionando que la varianza y covarianzas de los estimadores sean infinitas.
Con el fin de analizar esta consecuencia con algo ms de detalle, Gujarati9 plantea un
indicador denominado el factor inflador de varianza (FIV) definido como:
271
Econometra Moderna
Multicolinealidad
FIV =
1
(1 r 2 12 )
Este factor muestra la forma como la varianza del estimador MCO es inflada por la
presencia de multicolinealidad. Evidentemente, a medida que el coeficiente de correlacin entre
las variables explicativas X1 y X2 se acerque a uno, el FIV tender a infinito. Por otro lado, de
no existir colinealidad entre X1 y X2, el FIV ser igual a uno.
Partiendo de la definicin del FIV, podemos replantear la varianza del estimador MCO de la
forma:
Var (' 1 ) =
2
FIV
x 21i
272
Econometra Moderna
Multicolinealidad
t=
' 1
'
1 = 2 =... = k = 0
A pesar de la influencia del alto grado de colinealidad sobre la varianza de los estimadores
y, por tanto, sobre las pruebas de significacin individual (que nos lleva a aceptar la hiptesis
de que los regresores incluidos son poco significativos), la presencia de un alto R2 nos indica
que, en conjunto, los regresores elegidos son significativos y, por tanto, relevantes para explicar
el comportamiento de la variable independiente. Esta conclusin resulta de especial
importancia si tomamos en cuenta el objetivo de nuestro modelo. Evidentemente, en un modelo
cuyo objetivo es conocer la sensibilidad de la variable dependiente ante cambios en los
regresores resultar importante determinar con relativa exactitud los valores de cada uno de los
coeficientes involucrados. Segn esto, un modelo que presenta un alto grado de colinealidad no
sera el ms indicado ya que este problema conduce a grandes errores estndar en los
estimadores. Por otro lado, si el objetivo de nuestro modelo es predecir el comportamiento de la
variable dependiente para periodos fuera del intervalo muestral, la multicolinealidad puede ser
obviada. En este caso, lo que nos interesa es que los regresores incluidos, en conjunto, nos
ayuden a modelar en comportamiento de la variable dependiente. Tal como se indic
anteriormente, a pesar de la presencia de pruebas-t poco significativas, es factible encontrar
modelos con un R2 elevado, lo que nos llevara a concluir que el modelo estimado es lo
suficientemente robusto como para realizar predicciones de la variable de inters. Sin embargo,
lo anterior slo puede ocurrir siempre y cuando los valores de las variables independientes
obedezcan a las mismas relaciones lineales halladas para el intervalo muestral. Por ejemplo, si
en una regresin estimada se encuentra que X2 = 2X3, en una muestra futura utilizada para
pronosticar Y, X2 tambin deber ser aproximadamente igual a 2X3.
La presencia de estadsticos t poco significativos y un R2 alto puede verificarse ms
claramente desde un punto de vista geomtrico. Consideremos para esto el siguiente ejemplo:
Ejemplo10
Consideremos una regresin donde se pretende estimar el consumo de una familia a partir de
su ingreso y su riqueza. Sobre la base de informacin hipottica se obtuvieron los siguientes
resultados:
10
273
Econometra Moderna
Multicolinealidad
Estadstico t
3.6690
1.1442
-0.5261
0.9635
11
Los intervalos de confianza para cada coeficiente se construyen a partir del siguiente planteamiento:
274
Econometra Moderna
Multicolinealidad
iv) Sensibilidad de los estimadores y sus errores estndar ante pequeos cambios en la
muestra
Siempre y cuando la multicolinealidad no sea perfecta, es posible la estimacin de los
coeficientes de regresin. Sin embargo, los estimadores y sus errores estndar se tornan muy
sensibles ante cambios en la informacin contenida en la muestra. Para verificar esto,
consideremos el siguiente ejemplo:
Ejemplo
Consideremos una regresin donde las variables independientes registran un alto grado de
colinealidad. Especficamente, el coeficiente de correlacin entre X1 y X2 asciende a 0.9998.
Comparando los resultados de ambas regresiones notaremos que al incluir en la muestra 10
observaciones adicionales, se registra un drstico cambio en el valor de los coeficientes
involucrados. Por otro lado, resulta interesante comprobar que para ambas regresiones, si bien
los estadsticos t resultan poco significativos, en la prueba de significacin conjunta se rechaza
la hiptesis nula. Tal como se indic anteriormente, la presencia de un alto grado de
multicolinealidad no permite estimar de un modo preciso los coeficientes de regresin
individuales pero que, en conjunto, los regresores incluidos s explican adecuadamente a la
variable dependiente. En otras palabras, resulta factible estimar las combinaciones lineales de
estos coeficientes con relativa exactitud. En este sentido, resulta importante comprobar que la
suma de los coeficientes para ambas regresiones arrojan valores muy similares (1.0873 v.s.
1.0499).
LS // Dependent Variable is Y
Sample: 1 90
Included observations: 90
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X1
X2
0.404438
-0.539482
1.626773
0.113068
5.167992
5.190419
3.576963
-0.104389
0.313418
0.0006
0.9171
0.7547
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.550756
0.540429
1.052620
96.39678
-130.7943
2.164034
0.624073
1.552728
0.135330
0.218657
53.32944
0.000000
LS // Dependent Variable is Y
Sample: 1 100
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
X1
X2
0.433715
0.340541
0.709403
0.107205
5.098772
5.118200
4.045670
0.066789
0.138604
0.0001
0.9469
0.8901
R-squared
0.520709
0.609064
275
Econometra Moderna
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
Multicolinealidad
0.510827
1.055616
108.0896
-145.7834
2.173771
1.509297
0.137790
0.215945
52.69113
0.000000
12
276
Econometra Moderna
Multicolinealidad
donde:
2calc : es el valor estimado de 2
n
: es el tamao de la muestra
k
: es el numero de variables asociadas a pendientes (sin incluir el
intercepto)
Para hallar el determinante estandarizado se construye la matriz de correlacin. Para tres
variables explicativas, por ejemplo, la matriz de correlacin vendra dada por:
1
R = rx 3x 2
rx 4 x 2
rx 2 x 3
1
rx 4 x 3
rx 2 x 4
rx 3x 4
1
ii) Test F:
En esta segunda etapa, luego de haber detectado que las variables predeterminadas no son
ortogonales, se regresiona cada explicativa contra el resto de independientes para ver cul de
stas est ms colineada conjuntamente con las dems.
Se observa el coeficiente de determinacin de cada regresin y se selecciona aquella
variable explicativa que, tras haber sido regresionada con las dems en conjunto, arroje el F
estimado ms alto.
277
Econometra Moderna
x2 = f (x3,...,xk)
x3 = f (x2,x4...,xk)
Multicolinealidad
y as hasta xk
H0 :
H1 :
R 2 x i . x 2 , x 3 , x 4 , ... , x k / (k - 1)
(1 - R 2 x i . x 2 , x 3 , x 4 , ... , x k ) / (n k)
F(k-1, n-k)
Si Fi > Ftabla se acepta la hiptesis alternante, es decir que la variable xi est colineada con
las dems explicativas.
Si Fi < Ftabla se acepta la hiptesis planteada, entonces la multicolinealidad no existe.
Conociendo el F ms alto y contrastndolo contra el valor en tablas, se sabr cul es la
relacin dominante entre las variables explicativas.
iii) Test t:
En esta ltima etapa se hallan los coeficientes de correlacin parcial para conocer con cual
variable explicativa est ms relacionada la variable seleccionada en la etapa anterior.
H0 :
H1 :
t=
r x i x j . x 2 , x 3 , x 4 , ... , x k
n-k
(1 - rx i x j . x 2 , x 3 , x 4 , ... , x k )
t( n-k)
278
Econometra Moderna
Multicolinealidad
elementos de la diagonal de la matriz XX) antes de resolver las ecuaciones normales de modo
que las intercorrelaciones se reducen.
Ejemplo:
Para entender la aplicacin del mtodo de regresin por cordillera, se har uso del siguiente
programa:
Programa 9.1
!"
workfile cordillera u 100
genr x1=nrnd
genr x2= x1+nrnd/1000
genr y = x1 + x2+ nrnd/5
equation eq1.ls y x1 x2 c
smpl 1 99
equation eq2.ls y x1 x2 c
smpl 1 100
matrix (100,3) mtx
genr c1=1
group g1 c1 x1 x2
stom(g1,mtx)
matrix (3,100) mtxt=@transpose(mtx)
matrix (3,3) mtxx = mtxt*mtx
matrix (100,1) mty
stom(y,mty)
matrix (3,1) mtxy =mtxt*mty
matrix (3,1) mtb0 = (@inverse(mtxx))*mtxy
vector v1=@rowextract(@columnextract (mtxx,3),2)
vector v2=@rowextract(@columnextract (mtxx,2),2)
vector v3=@rowextract(@columnextract (mtxx,3),3)
mtos(v1,s23)
mtos(v2,s22)
mtos(v3,s33)
smpl 1 1
genr r23=(s23*s23)/(s22*s33)
smpl 1 100
scalar l1=0.05
scalar l2=0.5
scalar l3=1.5
scalar l4=5
scalar l5=7.5
scalar l6=10
scalar l7=20
matrix (3,3) matri = @identity(3)
for !x=1 to 7
matrix (3,3) sum{!x} = l{!x}*matri
matrix (3,3) cord{!x} = mtxx+sum{!x}
matrix (3,1) mtb{!x} = (@inverse(cord{!x}))*mtxy
vector v1{!x}=@rowextract(@columnextract (cord{!x},3),2)
279
Econometra Moderna
Multicolinealidad
Resultados
!"
LS // Dependent Variable is Y
Sample: 1 100
Included observations: 100
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X1
X2
C
-29.18545
31.16150
-0.020095
24.22895
24.23263
0.024123
-1.204569
1.285931
-0.833029
0.2313
0.2015
0.4069
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.987414
0.987155
0.238919
5.536988
2.792123
2.235130
-0.258300
2.108048
-2.833719
-2.755564
3805.078
0.000000
LS // Dependent Variable is Y
Sample: 1 99
Included observations: 99
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X1
X2
C
-37.74754
39.72551
-0.024270
24.79090
24.79477
0.024152
-1.522637
1.602173
-1.004866
0.1311
0.1124
0.3175
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat
0.987688
0.987431
0.237533
5.416525
3.355522
2.174848
-0.257176
2.118746
-2.845059
-2.766419
3850.559
0.000000
Como se observa, el programa genera series colineales (x1 y x2) y corre dos regresiones:
una con todos los elementos del espacio muestral y otra con un elemento menos. Al analizar los
resultados y comparar los coeficientes de los regresores, se aprecia un cambio drstico en la
magnitud de los mismos, esto es un sntoma evidente de la existencia de la multicolinealidad.
As mismo, los altos coeficientes de determinacin en ambas regresiones indican que la bondad
de ajuste es buena, de igual manera, el test de probabilidad conjunta (F) indica que se rechaza
la hiptesis de nulidad conjunta de los coeficientes de los regresores; sin embargo los test de
280
Econometra Moderna
Multicolinealidad
probabilidad individual (t) indican que los regresores no son significativos, como ya se explic,
ste es otro sntoma de la existencia de multicolinealidad severa.
Ante este problema, se procede a construir la matriz XX para poder aadir el coeficiente
a la diagonal, as, la matriz original XX para la muestra completa (100 observaciones) es la
siguiente:
MATRIZ XX
C
X1
X2
c
100
-12.205275
-12.195719
x1
-12.205275
113.252169
113.233954
x2
-12.195719
113.233954
113.215839
Con estos datos, se puede hallar el coeficiente de correlacin entre las variables x1 y x2, que
por los comandos del programa, se sabe, son las variables colineadas13:
2
r23
(S 23 )2
S 22 * S 33
(113.233953713) 2
r232 =
= 0.999999136234
113.252169258 * 113.21583889
El resultado obtenido era esperado, pues al ser las variables x1 y x2 colineadas, el coeficiente
de correlacin entre stas debe ser muy cercano a la unidad. Sin embargo, luego de sumar el
coeficiente a la diagonal de XX, los coeficientes de correlacin disminuyen puesto que se
incrementan los factores que componen el denominador de este estadstico. As, si = 5, se
tendr:
2
r23
r232 =
(S 23 )2
( S 22 + 5) * ( S 33 + 5)
(113.233953713) 2
= 0.917209529644
(113.252169258 + 5) * (113.21583889 + 5)
Es fcil observar que se trata de una solucin mecnica. A medida que los valores de se
incrementen, el coeficiente de correlacin ir disminuyendo.
232
0cordillera
1cordillera
2cordillera
=0 ()
0.999999
0.020095
29.18545
31.16150
=0.05
0.999117
0.01781
0.95628
1.01474
=0.5
0.991226
0.018216
0.980678
0.986394
=1
=5
0.974023
0.917210
0.019085 0.021924
0.978272
0.964000
0.980078
0.964439
=7.5
0.879618
0.023775
0.953698
0.953942
=10
0.844291
0.025491
0.943573
0.943721
=20
0.722309
0.031210
0.905074
0.905081
Los estimadores hallados por el mtodo de regresin por cordillera son sesgados, puesto que
se obtienen distorsionando la diagonal de la matriz XX. Referente a este aspecto, cabe
mencionar que la transformacin de la matriz XX puede realizarse de dos modos:
13
La segunda lnea del programa genera una variable aleatoria distribuida como una normal. En seguida, la tercera
lnea genera otra variable igual a la anterior ms una perturbacin poco significativa (observar la divisin entre 1000)
1
[XX + ] X
281
Econometra Moderna
Multicolinealidad
El primero de ellos, que da origen al estimador de regresin por cordillera simple consiste en
seguir el procedimiento detallado en la seccin anterior, es decir sumar un escalar a los
elementos de la diagonal de XX:
cordillera = [XX + ]1XY
donde I es una matriz identidad
i =1
i =1
15
282
Econometra Moderna
Multicolinealidad
bi2 = c
i =1
283
Econometra Moderna
Multicolinealidad
284
Econometra Moderna
Multicolinealidad
regresin. De modo que es vlido utilizar los componentes principales slo si se regresa y sobre
un conjunto de las z. Pero este procedimiento representa tambin algunos problemas. Estos son:
1. El primer componente principal z1, si bien es el que tiene la mayor varianza, no
necesariamente tiene la mayor correlacin con y. De hecho, no necesariamente existe una
relacin entre el orden de los componentes principales y el grado de correlacin con la
variable dependiente y.
2. Es posible pensar en elegir slo aquellos componentes principales que tengan una alta
correlacin con y y eliminar el resto, pero se puede usar el mismo tipo de procedimiento
con el conjunto original de variables x1,x2, , xk si se elige primero la variable que tiene la
mxima correlacin con y, despus la que posee la correlacin parcial ms elevada, y as
sucesivamente; esto es lo que hacen los programas de regresin por pasos.
3. Muchas veces las combinaciones lineales z no tiene significado en trminos econmicos.
Por ejemplo, qu significa 2 (ingreso)+ 3 (precio)? Este es uno de los inconvenientes ms
importantes del mtodo.
4. Al cambiar las unidades de medicin de las x se modificarn los componentes principales.
Es posible evitar este problema si se estandarizan todas las variables para tener una
varianza unitaria.
16
285
Econometra Moderna
Multicolinealidad
18
k =1
L = tr(Xz1z1X) + (1z1z1)
Permutando la traza y considerando que z1 = x.c1, se deduce que:
L = c1(XX)2c1 + (1c1(XX)c1)19
Ahora que se tiene el Lagrangiano en funcin de c1 se halla la condicin de primer orden
derivando L respecto a c1 (recuerde que lo que se pretende es armar los componentes
principales, que son combinaciones lineales de los regresores ponderados por coeficientes c1,
por ello, se trata de encontrar estos ponderadores):
L 2(XX)2c1 - 2 (XX)c1 = 0
=
c1
(XX)c1 - c1 = 0
((XX) - )c1 = 0
(XX) =
20
L = 2 + (1 ) =
Por lo tanto, para maximizar el lagrangiano, se debe elegir un vector caracterstico (c1)
asociado a la mayor raz caracterstica (). Con esto se habr obtenido la combinacin lineal de
mayor varianza (el primer componente principal)
Estos pasos pueden ser repetidos en bsqueda de una segunda combinacin lineal de los
regresores originales (columnas de X) teniendo en cuenta el mismo criterio y adems que esta
segundo componente principal debe ser ortogonal al primero.
18
Como se ve, la suma de errores al cuadrado (ekek = xk[I - z1 z1]xk) involucra adems del componente
principal a los elementos de la diagonal de X. Es obvio que para hallar la sumatoria de ekek se debe hallar la traza de
la matriz generada en esta ecuacin puesto que sta (la traza) se define como la suma de los componentes de la
diagonal principal de una matriz.
19
z1 = Xc1
Xz1 = XXc1
z1X = c1XX
tr (Xz1z1X) = tr (XXc1c1XX) = tr (AA) donde A = XXc1
tr (A2) = tr (XXc1)2 = c1(XX)2c1
20
Ya que c1 no puede ser cero puesto que es el vector de coeficientes que estamos buscando.
286
Econometra Moderna
Multicolinealidad
287
Econometra Moderna
Multicolinealidad
y = b1X1 + b2X2 + u
y el problema de que x1 y x2 tienen una correlacin muy alta . Supongamos que el inters
principal radica en b1. Entonces eliminamos x2 y estimamos la ecuacin
(9.2)
y = b1X1 + v
Sea b1* el estimador de b1 a partir del modelo completo (1) y b1** el estimador de b1 a partir
del modelo con la variable omitida. b1 * es el estimador MCO y b1 ** es el estimador de la
variable omitida. A partir del estimador MCO, sabemos que
E(b1*) = b1
Var (b1*) = s2/(S11 (1 - r122))
Para el estimador de la variable omitida, es preciso calcular E (b1**) y var (b1**). Ahora,
x y
x
1
b1** =
2
1
b1** =
x (
1
x + 2 x 2 + u)
1 1
2
1
= b1 + b2 (S12/S11) +
x u
1
S11
x u )=s
1
S11
S11/S112 = s2 /S11
Esto se conoce como estimador ponderado (WTD) y tiene un error cuadrtico medio mnimo
si l=t22/(1+ t22), donde t2 es la relacin t verdadera para x2 en la ecuacin (1). Una vez ms no
se conoce t2 y es preciso utilizar su valor estimado t 2 . Huntsberger fue el primero en sugerir
este estimador ponderado. El estimador de variable condicional omitida fue sugerido por
primera vez por Bancroft. Feldstein estudi el error cuadrtico medio de estos dos estimadores
para valores de t2 y t 2 . El afirma que:
288
Econometra Moderna
Multicolinealidad
1. Por lo general, no es aconsejable omitir una variable colineal de ruido sobre la base de su
estadstica t muestral t 2 . Es preferible MCO a cualquier estimador COV a menos que se
|t2| <3.0
4. Lo inadecuado de los datos colineales no deber disfrazarse con el reporte de los resultados
289
Econometra Moderna
Multicolinealidad
(9.3)
290
Econometra Moderna
Multicolinealidad
291
CAPITULO 10
UNA INTRODUCCIN A LA TEORIA ASINTOTICA
Convergencia en Probabilidad
Si tenemos una secuencia de variables aleatorias definida por el smbolo {x n }, decimos que esta
secuencia converge en probabilidad a otra variable aleatoria X en probabilidad si cumple la
siguiente condicin:
Lim P( X n X > ) = 0
n
Esta expresin nos indica que la convergencia en probabilidad implica que conforme aumenta el
tamao muestral o los elementos de la secuencia de variables aleatorias, un estadstico
representativo de esta secuencia estar muy cerca de un valor dado. Este valor puede ser
cualquier variable aleatoria o una constante. En el contexto de lo que nos interesa en este texto,
esta constante podra representar el verdadero valor del parmetro. El trmino , es un nmero
lo suficientemente pequeo como para decir que el estadstico representativo de la secuencia de
variables aleatorias est en el entorno de la variable o constante X. Esto en trminos comunes
implica que est lo suficientemente cerca del valor X. De manera compacta el cumplimento de
esta condicin se escribir alternativamente de las siguientes dos maneras:
p
Xn X
P lim X n = X
El trmino Plim se refiere a lmite en probabilidad. Es el ms comnmente utilizado. Veremos
sus propiedades ms adelante dado que ser aquel concepto que utilizaremos de manera profusa
en el anlisis de los estimadores a lo largo de este texto.
Convergencia en Media n
{x n },
Lim E (X n X ) = 0
n
Xn X
Convergencia en distribucin
Xn X
La distribucin F a la cual converge ser llamada distribucin lmite.
Diremos que una secuencia {x n } converge a X de manera casi segura si se cumple la siguiente
condicin:
P / Lim X n ( ) = X ( ) = 1
n
Este tipo de convergencia implica condiciones ms rigurosas que las anteriores porque, como se
observa, se requiere una condicin de igualdad para el evento sobre el cual se evala la
probabilidad. Por ello se dice que este tipo de convergencia es de tipo fuerte mientras que los
modos como el de convergencia en probabilidad son modos dbiles.
Estos modos de convergencia son conceptos muy utilizados en el anlisis de las propiedades
asintticas. Su operatividad, principalmente el de la convergencia en probabilidad ser
presentado ms adelante. Sin embargo, es deseable mencionar la relacin que existe entre estos
modos. El siguiente esquema ilustrar este relacin:
a.s.
Como se puede apreciar, las convergencias en media cuadrada y casi segura (almost surely a.s.)
implican a la convergencia en probabilidad que es la que ms nos interesa en este texto. A su
vez, si existe convergencia en probabilidad (lo que implica que estamos cerca de la media de la
distribucin) ello implica la convergencia en distribucin por lo que podremos decir que existe
una distribucin asinttica y por tanto tomando en cuenta sta podremos hacer ejercicios de
inferencia.
Este concepto es de gran utilidad y de manera intuitiva podemos decir que implica que a medida
que crece el tamao muestral, el promedio de dicha muestra tender a la media poblacional. En
trminos un poco ms formales y bajo pena de resultar muy simplificado podemos plantear la
siguiente expresin:
Lim X n / n =
n
Debe resaltarse una vez ms que esta es una simplificacin de toda una teora estadstica, pero
creemos que resume de manera entendible la esencia de esta teora2. Una de las condiciones que
se requieren es que las distribuciones de cada una de las variables aleatorias que componen la
secuencia sean independientes. Algunas versiones requieren adems que sean idnticamente
distribuidas.
Debe mencionarse que las leyes de los grandes nmeros tienen dos vertientes: una referida a las
denominadas leyes dbiles que analizan la convergencia en probabilidad de la condicin
anterior y la otra de las denominadas leyes fuertes que analizan la convergencia casi segura de la
misma expresin.
Teorema del Lmite Central
Este resultado estadstico es de suma utilidad para poder encontrar una distribucin asinttica
con la cual poder realizar ejercicios de inferencia. Esta distribucin es aproximada pero es til
para trabajar con ella. En general, se analiza si es que el promedio de la distribuciones de los
1
Para el lector interesado , existen muy buenos tratados acerca de la teora asinttica. Especialmente recomendadmos
los textos de Amem,iya (1985) Advanced Econometrics y Spanos (1986) Statistical Foundations of Econometrics
Analysis.
2
Amemiya (1985) sostiene que un planteamiento ms formal implica analizar las condiciones bajo las cuales la
expresin:
(X n EX n ) tiende a cero.
elementos de una secuencia de variables aleatorias tiende a una distribucin conocida. En todas
sus versiones, la distribucin a la cual se converge es una distribucin normal estndar. En
general lo que se busca es estandarizar las variables aleatorias que componen la secuencia y
descubrir cul es la distribucin hacia la cual converge la secuencia. Otra vertiente analiza el
comportamiento de la diferencia entre la variable aleatoria y su media simplemente. Como
ejemplo podemos tomar una versin sencilla del teorema de Lindberg-Feller3 que es uno de los
ms utilizados. Este establece que si x1, x2, ...., xn es una muestra aleatoria tomada de una
distribucin de probabilidad con media finita y varianza finita 2 y definimos
x n = 1 / n x n entonces.
n (x n ) N 0, 2
d
como vemos en este caso al analizar la diferencia entre el promedio y la media de la distribucin
no hemos dividido por la desviacin estndar. Este paso lo que hace es asegurar que la media de
la distribucin resultante tenga media cero. Por otro lado como no dividimos por la desviacin
estndar, la varianza de la distribucin normal estndar que es 1 queda multiplicada por la
varianza4. Usualmente lo que se requiere como condicin general es que las distribuciones de
cada variable aleatoria sea desconocida pero que tenga una media y una varianza conocidas y
que las distribuciones sean independientes entre s. El trmino por el que se multiplica la
diferencia entre el promedio y la media ( n ) es un artificio que se utiliza comnmente y la
racionalidad de su inclusin ser explicada ms adelante.
Habiendo definido estos conceptos de una manera general podemos empezar la discusin de las
propiedades asintticas de los estimadores.
n . Entendamos
Aqu tomamos la versin del teorema planteada por Greene (1997) pg 122.
Como sabemos si tenemos una distribucin normal estndar y la multiplicamos por una constante (en este caso ) la
media queda multiplicada por dicha constante y la varianza por la constante al cuadrado.
Insesgamiento asinttico
Lim E ( ) =
n
Esta propiedad implica que la esperanza del sesgo cuando el tamao muestral tiende a infinito
es igual a cero. Es una condicin fuerte dado que implica una igualdad estricta. Esta propiedad
si bien es importante no es la que comnmente se utiliza para analizar la pertinencia de un
estimador cuando tenemos muestras grandes.
Consistencia
P lim =
Esta propiedad es la ms usada para medir la pertinencia de un estimador. Debemos recordar
que el lmite en probabilidad es un modo de convergencia dbil.
Eficiencia asinttica
Lim Pr ( > ) = 0
T
Lim Pr ( < ) = 1
T
Como se puede observar a medida que aumenta el tamao muestral , el centro de la distribucin
se va acercando de manera consistente al valor del verdadero parmetro. Un hecho especial a
notar es que conforme aumenta el tamao muestral, la varianza de la distribucin va
disminuyendo. Un estimador es consistente si colapsa sobre el punto que denota el valor
verdadero del parmetro. Como es imposible tener una muestra que tienda a infinito, el
resultado de la consistencia nos indica que con un tamao de muestra relativamente grande
podemos estar relativamente seguros que estamos cerca del valor del parmetro verdadero.
Un tema aparte lo constituye el hecho de saber a partir de dnde podemos hablar de una muestra
grande. Un hecho que se ha comprobado es que conforme crece el tamao de muestra a partir de
valores pequeos, la velocidad del acercamiento es alta. Conforme nos acercamos, la velocidad
va disminuyendo. Esto implica que podemos hacer un punto de corte a partir del cual podemos
decir que la muestra es lo suficientemente grande. Existe cierta controversia al respecto. Sin
embargo, podemos decir que si tenemos menos de 40 observaciones podemos considerar que
tenemos una muestra grande y si tenemos ms de 60 observaciones podemos considerar que
tenemos una muestra grande. Esto se deriva del hecho que para lograr un acercamiento
E (mt ) = + C / T
Veremos que, si el valor del verdadero parmetro es , entonces el estimador es sesgado.
Presenta un sesgo aditivo expresado por C/T. Si analizamos su insesgamiento asinttico
obtenemos el resultado que presentamos a continuacin:
Lim E (mt ) =
T
La expresin anterior nos indica que en el lmite la esperanza del estimador es el verdadero
parmetro. Para ilustrar la diferencia con la propiedad de consistencia podemos utilizar un
resultado til en estadstica que es la desigualdad de Chebychev. Formalmente esta desigualdad
se expresa por :
= Var (m t )
podemos obtener lo siguiente:
1 Var (mt )
=
2
2
Si introducimos estas expresiones en nuestra desigualdad, sta queda de la siguiente forma:
Var (mt )
Var (mt )
2.
3.
4.
y
P lim 1
y2
P lim y1
=
. El plim de la divisin de dos variables aleatorias es igual a la
P lim y 2
A partir de las propiedades 4 y 5 queda claro la ventaja de trabajar tomando en cuenta los
lmites en probabilidad. Por ejemplo, si queremos analizar la esperanza de una razn de
variables aleatorias y stas no son independientes entre s, la esperanza se tiene que aplicar a
5
Debemos indicar que lo expuesto parece lo inverso de lo mencionado cuando se defini la propiedad de
consistencia. Sin embargo, debe notarse que el signo de desigualdad dentro de l corchete no es menor que sino mayor
que. Ello explica porqu la probabilidad es igual a 0.
7.
( )
Una vez que hemos definido las propiedades del lmite en probabilidad estamos en posicin de
poder analizar la consistencia de distintos estimadores con el fin de mostrar la operatividad del
concepto. Iniciemos nuestro anlisis estudiando la consistencia del estimador MCO:
Como sabemos el estimador MCO tiene la siguiente frmula:
= ( X X ) 1 X Y
Si reemplazamos el modelo lineal general en la expresin anterior obtenemos la siguiente
expresin:
= + ( X X ) 1 X
Esta es la expresin que usualmente se utiliza para analizar el insesgamiento del parmetro.
Como sabemos se aplica esperanza a toda la expresin y como las x son fijas el operador de
esperanza slo es aplicable al trmino de error.
Si queremos analizar la consistencia del estimador debemos hacer uso de un procedimiento que
es estndar para cada operacin de esta tipo. Este procedimiento consiste en dividir cada uno de
los elementos de las matrices involucradas por T que es el nmero de observaciones. Esto
ocasiona que cada una de las expresiones estn expresadas en trmino de sus valores promedios.
As, la expresin anterior queda de la siguiente forma:
1
X X X
= +
T T
La ventaja de esta transformacin radica en que estamos multiplicando y dividiendo la ltima
expresin por el trmino T, lo cual la deja inalterada. Si queremos hacer explcita la expresin
X X / T obtenemos lo siguiente:
2
X X 1 x1i
=
T
T x1i x 2i
x x
x
1i
2
2i
2i
X
X X
P lim = + P lim
P lim
T
T
Si la matriz X contiene regresores no estocsticos (fijos) como lo establecen los supuestos del
modelo lineal general podemos suponer que segn las propiedades del lmite en probabilidad:
Lim
T
X X X X
=
T
T
Esto se deriva a partir de que el Plim de una constante es la misma constante. Ahora bien si la
matriz X contiene regresores que son estocsticos podemos suponer que los momentos
muestrales convergen a sus momentos poblacionales:
X X
P lim
=Q
T
Donde Q es una matriz cuadrada no singular que contiene los momentos poblacionales. Ahora,
si queremos analizar el trmino X / T sus trminos seran los siguientes. Si consideramos que
x1 es la variable referida al intercepto, el vector quedara de la siguiente manera:
P lim i
X
T
P lim
=
T P lim 1
x 2i i
El primer trmino del vector tiende a la media de los errores que sabemos es igual a cero. Por
otro lado, el segundo trmino captura la covarianza entre x2 y el trmino de error. Como
sabemos uno de los supuestos es que la covarianza entre dos elementos es igual a cero. El
resultado de todo lo anterior es que cada uno de los elementos del vector es igual a cero.
Tomando en cuenta todos los resultados obtenidos hasta el momento podemos proceder a unir
las piezas para analizar la consistencia de nuestro estimador MCO:
P lim = + Q 1 0 =
Con esto comprobamos que el estimador MCO es consistente. Debemos recordar que este
estimador es insesgado tambin. Algo que se deriva de esta anlisis es que un estimador
insesgado tambin ser consistente. La razn de ello radica en que si la distribucin tiene como
centro el verdadero parmetro a medida que sta vaya convergiendo a un punto es obvio que
colapsar en el verdadero valor del parmetro.
Lo discutido con respecto al estimador MCO no se cumple de manera inversa. Todo estimador
sesgado no necesariamente es inconsistente. De hecho tenemos muchos estimadores sesgados
que son consistentes lo cual asegura que con un muestra grande pueden ser utilizados como
buenas aproximaciones. Podemos decir que la mayora de estimadores son de este tipo. El caso
del estimador MCO es un caso especial que cumple con todas las propiedades de muestras
pequeas y grandes. Un caso que nos permitir ilustrar la discusin precedente es el del
estimador por Cordillera que se utiliza para corregir la multicolinealidad y que fue revisado en
el captulo anterior. La frmula de este estimador es la siguiente:
1
c = (X X + I ) X Y
La lgica del estimador es agregar constantes a la diagonal principal de la matriz XX con el fin
de aumentar su tamao y hacer que la matriz sea invertible. Si queremos analizar su
X X I
c =
+
T
T
X X
X X I
+
+
T
T
T
X
T
Si volvemos a utilizar los supuestos planteados para el caso del estimador MCO, podemos
imponer las siguientes condiciones:
X X
=Q
T
X
Lim
=0
T T
Lim
T
P lim c = (Q + 0 ) Q + (Q + 0) 0 =
1
como podemos apreciar el estimador es consistente por lo que si contamos con una muestra
grande lo podremos utilizar como una buena aproximacin al verdadero parmetro. Con esto
hemos ilustrado la conveniencia de trabajar la consistencia de un estimador. Las propiedades de
muestras grandes pueden ser de gran utilidad al momento de analizar la bondad de distintos
estimadores. Casos como el analizado los iremos estudiando en el resto de captulos del presente
texto.