Documentos de Académico
Documentos de Profesional
Documentos de Cultura
yt = 1 + 2 xt + t , (1)
donde
Observaciones:
i) determinista
ii) estocastica
c) Los valores de 1 y 2 son los mismos para todas las observaciones de la muestra.
y1 = 1 + 2 x1 + 1
y2 = 1 + 2 x2 + 2
.. (2)
.
yT = 1 + 2 xT + T
1
Econometra I Dra. Lucia A. Ruiz Galindo
y1 1 x1 1
y2 1 x2 2
1
.. = .. .. + .
. . . 2 ..
yT 1 xT T
0
x1 1
x0 2
2
= . 1 + .
.. 2 ..
xT0 T
yt = x0 t + t (3)
0
= xt + t (4)
o bien,
y = X + . (5)
A5. Tamano de la muestra: T debe ser mucho mayor que el numero de parametros en la ecuacion,
en este caso, K = 2.
S3. V (t |xt ) = 2 , t = 1, 2, . . . , T
2
Dra. Lucia A. Ruiz Galindo Econometra I
Los supuestos S1, S3 y S4 establecen que las perturbaciones t son elegidas de manera no
correlacionada de una distribucion con media y varianza constantes. El supuesto S2 es muy fuerte,
implica que
V (t |xt ) = V (t ) = 2 , t = 1, 2, . . . , T .
2.3. Propiedades de yt
Bajo S1 y S2, el modelo se puede interpretar como
Ademas, usando S3
En resumen,
3
Econometra I Dra. Lucia A. Ruiz Galindo
T
X T
X
S(1 , 2 ) = min 2t = min (yt 1 2 xt )2
t=1 t=1
Calculando las derivadas parciales respecto a cada parametro , conduce a las CPO
T
S(1 , 2 ) X
= 2 (yt 1 2 xt ) = 0,
1
t=1
T
S(1 , 2 ) X
= 2 xt (yt 1 2 xt ) = 0,
2
t=1
T
X
(yt 1 2 xt ) = 0, (9)
t=1
T
X
xt (yt 1 2 xt ) = 0. (10)
t=1
y por tanto
1 = y 2 x. (12)
4
Dra. Lucia A. Ruiz Galindo Econometra I
de donde PT
xt yt T xy
2 = Pt=1
T
(13)
2 T x2
t=1 xt
o equivalentemente, PT
t=1 (xt x)(yt y)
2 = PT . (14)
2
t=1 (xt x)
1 y 2 son optimos (mnimos)? 1 y 2 son los puntos crticos, es decir, los candidatos para
minimizar la funcion objetivo y son mnimos si el hessiano, H, es definido positivo. Las derivadas
de segundo orden de S(1 , 2 ) son
T
2 S(1 , 2 ) 2 S(1 , 2 ) X
= 2T, = 2 x2t y
12 22 t=1
2 S(1 , 2 ) 2 S(1 , 2 )
= = 2T x,
1 2 2 1
2T 2T x
H= PT . (15)
2T x 2 t=1 x2t
T
X
|H| = 4T (xt x)2
t=1
5
Econometra I Dra. Lucia A. Ruiz Galindo
T
X T
X
(xt x)2 = (c c)2 ,
t=1 t=1
Observaciones
Con la definicion de los residuales, la variable dependiente se puede expresar tambien como
yt = yt + t
o equivalentemente,
yt = 1 + 2 xt + t .
2.5.1. Esperanza de 1 y 2
Dado que
1 = y 2 x,
PT
t=1 (xt x)(yt y)
2 = PT .
2
t=1 (xt x)
1
No confundir los residuos con los errores, son conceptos diferentes.
6
Dra. Lucia A. Ruiz Galindo Econometra I
y que
yt y = 1 + 2 xt + t (1 + 2 x + ) = 2 (xt x) + (t ), (16)
1 = y 2 x
= 1 + 2 x + 2 x
= 1 + + (2 2 )x, (18)
PT
t=1 (xt x)(yt y)
2 = PT 2
t=1 (xt x)
PT
(xt x)yt
= Pt=1
T 2
t=1 (xt x)
2
Observe que E(t ) = 0.
7
Econometra I Dra. Lucia A. Ruiz Galindo
por tanto,
"P #
T
(xt x)yt
V (2 ) = V Pt=1
T 2
t=1 (xt x)
PT 2
t=1 (xt x) V (yt )
= Por que?
[ Tt=1 (xt x)2 ]2
P
2
= PT
t=1 (xt x)2
y
V (1 ) = V (y 2 x)
= V (y) + V (2 x) 2Cov(y, 2 x)
T
1 X
= 2 V (yt ) + x2 V (2 ) Por que?
T t=1
1 2 2
= + x2 PT
T t=1 (xt x)
2
PT 2 2
2 t=1 (xt x) + T x
= PT
T t=1 (xt x)2
PT
x2
= PT t=1 t
2
T t=1 (xt x)2
Errores estandar de 1 y 2 .
Los errores estandar de los estimadores de las s son las desviaciones estandar de sus
varianzas, esto es,
s
1
ee(2 ) = 2 PT (19)
2
t=1 (xt x)
y
s PT
t=1 x2t
ee(1 ) = 2 PT (20)
2
T t=1 (xt x)
2.5.3. Covarianza de 1 y 2
8
Dra. Lucia A. Ruiz Galindo Econometra I
t = yt yt
= yt 1 2 xt
c) La lnea de regresion pasa por el punto (x, y), ya que y = 1 + 2 x, (ver (11)).
T
X
Cov(, x) = t x)
(t )(x
t=1
T
X
=
t xt T x (puesto que = 0 por (9))
t=1
T
X
= t xt = 0,
t=1
9
Econometra I Dra. Lucia A. Ruiz Galindo
V (t ) = 2 ,
T
2 1X 2
= .
T t=1 t
Sin embargo esto no es apropiado (Por que?) No obstante, se puede sugerir uno alternativo
T
1X 2
2 = .
T t=1 t
que s es un estimador, pero tampoco es del todo apropiado, ya que ignora que los residuales
deben satisfacer las condiciones de primer orden, las formuladas en las ecuaciones normales,
a saber,
T
X T
X
t = 0 y xt t = 0,
t=1 t=1
de manera que T 2 valores de los residuales son suficientes para obtener los T y por tanto,
T
2 1 X 2
= ,
T 2 t=1 t
4
MELI o BLUE por sus siglas en ingles, best linear unbaised estimators.
10
Dra. Lucia A. Ruiz Galindo Econometra I
T
X T
X
2t = (yt 1 2 xt )2
t=1 t=1
XT
= [yt (y 2 x) 2 xt ]2
t=1
XT
= [(yt y) 2 (xt x)]2
t=1
XT T
X T
X
2
= (yt y) 22 (xt x)(yt y) + 22 (xt x)2 (21)
t=1 t=1 t=1
y como
T T PT
t=1 (yt y)(xt x)
X X
2
2 (yt y)(xt x) = 2 (xt x) PT 2
t=1 t=1 t=1 (xt x)
XT
= 22 (xt x)2 (22)
t=1
T
X T
X T
X T
X
2t = 2
(yt y) 222 (xt x) + 2
22 (xt x)2
t=1 t=1 t=1 t=1
XT T
X
= (yt y)2 22 (xt x)2 (23)
t=1 t=1
11
Econometra I Dra. Lucia A. Ruiz Galindo
pero
T
X T
X
22 (xt x)2 = (2 xt 2 x)2
t=1 t=1
XT
= [(1 + 2 xt ) (1 + 2 x)]2
t=1
XT
= (y y)2 ,
t=1
T
X T
X T
X
2t = (yt y) 2
(y y)2
t=1 t=1 t=1
T
X T
X
= (yt y)2 (y y)2 ,
t=1 t=1
o bien,
T
X T
X T
X
(yt y)2 = (y y)2 + 2t .
t=1 t=1 t=1
T
X T
X T
X T
X
yt t = (1 + 2 xt )t = 1 t + 2 xt t = 0,
t=1 t=1 t=1 t=1
12
Dra. Lucia A. Ruiz Galindo Econometra I
0 R2 1.
Observaciones sobre la R2 .
13
Econometra I Dra. Lucia A. Ruiz Galindo
2.8.3. R2 ajustada
Finalmente, cabe observar que R2 crece cuando se incorporan variables en el modelo, aun
cuando de manera individual no sean relevantes para explicar a la variable dependiente y.
A medida que el numero de variables aumenta R2 1, por lo cual se propone una medida
corregida por los grados de libertad, la R2 ajustada, dada por
1
PT 2
T 2 t=1 t
R2 = 1 1 PT
2
T 1 t=1 (yt y)
T 1
= 1 (1 R2 )
T 2
14