Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Unidad6 PDF
Unidad6 PDF
de Vigo
P -1 y = P -1 X + P -1
Cambiando los nombres de las variables, el modelo quedar de la siguiente
forma
y = X +
* * *
Consideremos el modelo
y = X +
* * *
H1 es idempotente
H1 = X ( X ' W -1 X ) -1 X ' W -1
H12 = X ( X ' W -1 X ) -1 X ' W -1 X ( X ' W -1 X ) -1 X ' W -1 =
= X ( X ' W -1 X ) -1 X ' W -1 = H1
H1 M1 = H1 ( I - H1 ) = H1 - H12 = H1 - H1 = 0
Sin embargo no son simtricas como ocurra en el caso del MRLC.
Propiedades de las varianzas Universidade
de Vigo
SC Re gG SCEG SC Re gG SCEG
1= + = 1-
SCYG SCYG SCYG SCYG
que denominaremos Coeficiente de determinacin de Buse R2.
XX
3525.000
IXX
0.2836879E-03 Estimador de
B MCO, nos mide el
0.3631206 margen neto
OMEGA
5 BY 5 MATRIX
6.400000 0.000000 0.000000 0.000000 0.000000
0.000000 4.800000 0.000000 0.000000 0.000000
0.000000 0.000000 6.000000 0.000000 0.000000
0.000000 0.000000 0.000000 4.000000 0.000000
0.000000 0.000000 0.000000 0.000000 5.000000
IOMEGA
5 BY 5 MATRIX
0.156250 0.000000 0.000000 0.000000 0.000000
0.000000 0.208333 0.000000 0.000000 0.000000
0.000000 0.000000 0.166666 0.000000 0.000000
0.000000 0.000000 0.000000 0.250000 0.000000
0.000000 0.000000 0.000000 0.000000 0.200000
Calculo por MCG Universidade
de Vigo
XOX
655.0000
IXOX Estimador de
0.001526718 MCG, nos mide el
margen neto
BG
0.3587786
DATA PDF CDF 1-CDF
TBG 8.8850 0.0001915 0.99956 0.00044329
Comparacin entre ambos Universidade
de Vigo
Comparacin de residuos
EMCO EMCG
0.3801418 0.5190840
0.2851064 0.3893130
1.106383 1.236641
-1.262411 -1.175573
-1.078014 -0.9694656
Estimacin MCG cuando la
varianza es desconocida
Estimadores de mnimos cuadrados generalizados factibles
Universidade
de Vigo
Estimacin MCGF Universidade
de Vigo
-1 X ) -1 X ' W
bMCG = ( X ' W -1 y
Puesto que los escalares de la matriz de covarianzas no afectan al
estimador.
En cada caso se trata de encontrar un estimador consistente de W.
Por consiguiente el mtodo de estimacin se suele hacer en dos pasos:
1. Se estima la matriz de covarianzas W
2. Se calcula el estimador de MCGF sustituyendo el valor de W por su
estimador
Mtodos de estimacin MCGF Universidade
de Vigo
Universidade
de Vigo
Tratamiento de la autocorrelacin Universidade
de Vigo
1 ... n -1
1 ... n-2
=s
2
... ... ... ...
n -1 ... ...
1
-1 X ) -1 X ' W
bMCG = ( X ' W -1 y
1- 2 0 . . 0
1- 2
0 . . . 0
- 1 0 . . 0
G = 0 - 1 . . 0 =
. . . . . . G*
- . . . - 1
La submatriz de Cochrane-Orcutt Universidade
de Vigo
G*z=zt-zt-1
y t = yt - yt -1 T=2,...T
Para las independientes
j1
x *
= 1 - 2
x j1
xt = Gxt
*
jt = x jt - x jt -1 T=2,...T
*
x
Que se puede observar que coincide con la transformacin de C-O
salvo en el primer elemento.
Modelo resultante Universidade
de Vigo
yt = (1 - ) + xt - xt-1 + yt -1 + e t
y2 - y1 1 x2 - x1 e2
(1 - )
: = : : + :
y - y 1 x - x e
T T -1 T T -1 T
Perdiendo la primera observacin
Procedimiento de Cochrane-Orcutt en
dos pasos (2) Universidade
de Vigo
yt* = G * yt y *t = yt - yt -1
xt* = G * xt xt* = xt - xt -1
Una vez hecha la transformacin se aplica de nuevo MCO a
la regresin de la Y transformada respecto a las X
transformadas.
Estimacin inicial del coeficiente de
autocorrelacin Universidade
de Vigo
Las dos primeras opciones son muy similares, puesto que se trata
de estimar mediante el coeficiente de autocorrelacion muestral,
puesto que es un estimador consistente. La diferencia est en el
nmero de observaciones utilizado, pero no afecta cuando la
muestra es grande.
El coeficiente de autocorrelacin simple de primer orden, es decir
se calcula la suma de los productos cruzados de los residuos por
los residuos retardados, y se divide entre la suma de residuos al
cuadrado
T T
= ei ei -1
i =2
i
e 2
i =1
i =2 i =2
yt = (1 - ) + 1 xt - 2 xt -1 + yt -1 + e t
restringida a 1 = 2
Es el mtodo mas eficiente pero tambin el que exige mas
clculo
En la prctica solo se utiliza cuando se buscan estimadores
MV que busca la estimacin de todos los parmetros
conjuntamente.
Estimacin de RHO Universidade
de Vigo
Mnimo Mnimo
SCE() parcial global
Iniciando ah
converge al mnimo
global
Iniciando ah
converge al mnimo
local parcial 0 *
Estimacin por CO para las telas Universidade
de Vigo
|_sample 1 40
|_read Y X1 X2
3 VARIABLES AND 40 OBSERVATIONS STARTING AT OBS 1
|_auto y x1 x2/noanova
REQUIRED MEMORY IS PAR= 7 CURRENT PAR= 4000
DEPENDENT VARIABLE = Y
..NOTE..R-SQUARE,ANOVA,RESIDUALS DONE ON ORIGINAL VARS
LEAST SQUARES ESTIMATION 40 OBSERVATIONS
BY COCHRANE-ORCUTT TYPE PROCEDURE WITH CONVERGENCE = 0.00100
ITERATION RHO LOG L.F. SSE
1 0.00000 -4.43019 2.9227
2 0.65630 8.55719 1.5054
3 0.70231 8.67597 1.4921
4 0.70320 8.67661 1.4920
LOG L.F. = 8.67661 AT RHO = 0.70320
ASYMPTOTIC ASYMPTOTIC ASYMPTOTIC
ESTIMATE VARIANCE ST.ERROR T-RATIO
RHO 0.70320 0.01264 0.11242 6.25532
R-SQUARE = 0.9824 R-SQUARE ADJUSTED = 0.9815
VARIANCE OF THE ESTIMATE-SIGMA**2 = 0.40324E-01
STANDARD ERROR OF THE ESTIMATE-SIGMA = 0.20081
SUM OF SQUARED ERRORS-SSE= 1.4920
MEAN OF DEPENDENT VARIABLE = 14.330
LOG OF THE LIKELIHOOD FUNCTION = 8.67661
VARIABLE ESTIMATED STANDARD T-RATIO PARTIAL STANDARDIZED ELASTICITY
NAME COEFFICIENT ERROR 37 DF P-VALUE CORR. COEFFICIENT AT MEANS
X1 0.50342 0.8848E-02 56.90 0.000 0.994 0.9742 0.2456
X2 0.11307 0.1130E-01 10.01 0.000 0.855 0.1714 0.0567
CONSTANT 9.9919 0.1441 69.35 0.000 0.996 0.0000 0.6973
Procedimiento de malla Universidade
de Vigo
|_auto y x1 x2 / dn ml noanova
REQUIRED MEMORY IS PAR= 7 CURRENT PAR= 4000
DEPENDENT VARIABLE = Y
..NOTE..R-SQUARE,ANOVA,RESIDUALS DONE ON ORIGINAL VARS
DN OPTION IN EFFECT - DIVISOR IS N
MAXIMUM LIKELIHOOD ESTIMATION 40 OBSERVATIONS
BY COCHRANE-ORCUTT TYPE PROCEDURE WITH CONVERGENCE = 0.00100
ITERATION RHO LOG L.F. SSE
1 0.00000 -4.43019 2.9227
2 0.65818 8.56528 1.5046
3 0.71056 8.67943 1.4910
4 0.71158 8.67947 1.4909
5 0.71160 8.67947 1.4909
LOG L.F. = 8.67947 AT RHO = 0.71160
ASYMPTOTIC ASYMPTOTIC ASYMPTOTIC
ESTIMATE VARIANCE ST.ERROR T-RATIO
RHO 0.71160 0.01234 0.11109 6.40570
R-SQUARE = 0.9825 R-SQUARE ADJUSTED = 0.9815
VARIANCE OF THE ESTIMATE-SIGMA**2 = 0.37272E-01
STANDARD ERROR OF THE ESTIMATE-SIGMA = 0.19306
SUM OF SQUARED ERRORS-SSE= 1.4909
MEAN OF DEPENDENT VARIABLE = 14.330
LOG OF THE LIKELIHOOD FUNCTION = 8.67947
ASYMPTOTIC
VARIABLE ESTIMATED STANDARD T-RATIO PARTIAL STANDARDIZED ELASTICITY
NAME COEFFICIENT ERROR -------- P-VALUE CORR. COEFFICIENT AT MEANS
X1 0.50342 0.8473E-02 59.42 0.000 0.995 0.9742 0.2456
X2 0.11318 0.1082E-01 10.46 0.000 0.864 0.1716 0.0567
CONSTANT 9.9910 0.1400 71.34 0.000 0.996 0.0000 0.6972
Comparacin de los estimadores del
coste variable de la tela Universidade
de Vigo
MCO 0.50688
CO2 0.50314
PW2 0.50347
ML2 0.50347
COI 0.50315
PWI 0.50342
Malla 0.50340
MLI 0.50342
Estimacin para modelos
autocorrelados de orden superior Universidade
de Vigo
Yt = X t +n t
n t = n
1 t -1 + ... + mn t - m + e t
e sigue N (0, s 2 I )
En SHAZAM se hace con la opcin ORDER=m.
Estimacin para orden 3 Universidade
de Vigo
DEPENDENT VARIABLE = Y
..NOTE..R-SQUARE,ANOVA,RESIDUALS DONE ON ORIGINAL VARS
DEPENDENT VARIABLE = Y
0.0000 2.9227
-0.16251
0.11789
1.4942
9.9931 -0.78178 0.18927
3 -0.0122 0.1581 -0.0775 0.0154
ITERATION 2 ESTIMATES AND ERROR SUM OF SQUARES 4 0.0581 0.1581 0.3675 0.3043
0.50166 0.11387 9.9497 -0.82266 0.27993
ITERATION 5 ESTIMATES AND ERROR SUM OF SQUARES 9 -0.1443 0.1581 -0.9129 1.3788
10 0.0224 0.1581 0.1420 0.0353
0.50171 0.11383 9.9326 -0.86784 0.31242
-0.20946 1.4522
0.50171
-0.21039
0.11383
1.4522
9.9287 -0.86969 0.31308
ASYMPTOTIC
ITERATION 9 ESTIMATES AND ERROR SUM OF SQUARES
ASYMPTOTIC
VARIABLE ESTIMATED STANDARD T-RATIO PARTIAL STANDARDIZED ELASTICITY
NAME COEFFICIENT ERROR -------- P-VALUE CORR. COEFFICIENT AT MEANS
X1 0.50171 0.7437E-02 67.46 0.000 0.996 0.9709 0.2448
X2 0.11384 0.8724E-02 13.05 0.000 0.906 0.1726 0.0570
CONSTANT 9.9286 0.1380 71.92 0.000 0.996 0.0000 0.6928