Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Carlos Velasco1
1 Departamento de Economa
Econometra I
Mster en Economa Industrial
Universidad Carlos III de Madrid
Curso 2007/08
Objetivos
1 Propiedades del modelo de regresin simple.
2 Estimacin MCO y propiedades.
3 Estimadores MCO.
Bibliografa
Wooldridge (2006). Captulo 2.
Goldberger (2001). Captulos 2-7.
Greene (1999). Captulos 3, 4.2-4.3.
y = 0 + 1 x + u.
y x
Variable dependiente Variable independiente
Variable explicada Variable explicativa
Variable de respuesta Variable de control
Variable predicha Variable predictor
Regresando Regresor [covariable]
y = 1 x si u = 0.
yield = 0 + 1 fertilizer + u
u : calidad de la tierra, lluvia, etc.
wage = 0 + 1 educ + u
u : experiencia en el trabajo, habilidad innata, antigedad en el empleo
actual, etc.
x = 1 = y = 1 , x, u = 0.
Pero pueden tener otro tipo de relacin (no lineal): puede haber
relacin con x 2 , etc.
E (u|x) = E (u) = 0.
score = 0 + 1 attend + u,
donde score es el resultado de un examen final, que depende de las
clases a las que se ha asistido, attend y de otros factores no
observables, u, como capacidad del estudiante que acude al examen.
E (u|attend) = E (u) = 0?
E (y |x) = 0 + 1 x.
y = E (y |x) + u
= 0 + 1 x + u
Estimacin de 0 y 1 .
Varias alternativas.
Usaremos los supuestos del modelo: en la poblacin u tiene que
tener media nula y no estar correlacionado con x,
E (u) = 0
Cov (u, x) = 0.
E (y 0 1 x) = 0
Cov (y 0 1 x, x) = E ([y 0 1 x] x) = 0,
es decir
0 = y 1 x ,
lo que nos permite obtener 0 una vez que tenemos estimado 1 .
y agrupando trminos,
n
X n
X
(yi y ) xi = 1 (xi x ) xi .
i=1 i=1
Suponiendo que
n
X
(xi x )2 > 0,
i=1
Si
n
X
(xi x )2 = 0,
i=1
yi = 0 + 1 xi ,
i = yi yi = yi 0 1 xi .
u
y = 0 + 1 x,
y
1 =
x
o equivalentemente
y = 1 x.
salary = 0 + 1 roe + u.
CEOSAL1.RAW, n = 209 :
\ = 963,191 + 18,501roe.
salary
Salario y educacin,
wage = 0 + 1 educ + u.
WAGE1.RAW, n = 526.
Resultados electorales y gastos de campaa,
voteA = 0 + 1 shareA + u.
VOTE1.RAW, n = 173.
C Velasco (MEI, UC3M) Regresin Simple UC3M, 2006 33 / 70
Notacin
y = 0 + 1 x
y (x ) = 0 + 1 x = y .
Prueba: definicin de 0 = y 1 x .
5. Descomposicin de yi :
yi = yi + u
i ,
y = y .
i=1
\ = 963,191 + 18,501roe
salary
\ = 963191 + 18501roe.
salarydol
\ 100
salary = 963,191 + 18,501 roe
100
roe
= 963,191 + (18,501 100)
100
= 963,191 + 1850,1roedec
y = 0 + 1 log (x) + u,
Significado de 1 ,
1
y = %x.
100
E (u|x) = 0.
E (ui |xi ) = 0, i = 1, . . . , n.
0 = y 1 x = 0 = 0 + 1 x + u
1 x .
) = 0 por RLS.3.
porque E (u
math10 = 0 + 1 lnchprg + u.
E (u|x) = 0
Var (u|x) = E u 2 |x = 2 ,
E (y |x) = 0 + 1 x
Var (y |x) = 2 .
Hay factores en Var 1 y Var 0 desconocidos: 2 .
2 se puede estimar con los datos (a partir de los residuos u
i , ya
que los errores ui no son observables).
Usando yi = 0 + 1 xi , tenemos que
i
u = yi yi
= 0 + 1 xi + ui 0 1 xi
= ui + 0 0 + 1 1 xi ,
n1 ni=1 ui2 .
Como los errores
Pno son observables, un primer estimador sera
n1 SSR = n1 ni=1 u
i2 , pero ste no es insesgado.
Los residuos satisfacen dos restricciones:
n
X n
X
i = 0,
u i xi = 0.
u
i=1 i=1
Error estndar de 1 :
se 1 = 1/2 .
Pn
2
i=1 (xi x )
Necesita que no todos los xi sean cero. Slo coincide con MCO si
x = 0. Estimador sesgado si 0 6= 0.
C Velasco (MEI, UC3M) Regresin Simple UC3M, 2006 70 / 70