Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Econometria Casas PDF
Econometria Casas PDF
1.1.1 Interpretacin
El ingls Francis Galton1 (1822 - 1911) fue el primero en introducir el trmino regresin.
Cuando estudiaba la relacin entre las estaturas de los hijos y los padres observ que la estatura
de los hijos era alta o baja cuando los padres eran altos o bajos, respectivamente. Sin embargo,
la estatura promedio de los hijos cuyos padres tenan una estatura dada, tenda a moverse o
converger hacia el promedio de la poblacin. As, determin una regresin de la estatura de los
hijos hacia el promedio o, en trminos de Galton, una regresin hacia la mediocridad.
La Ley de Regresin Universal de Galton fue confirmada, aos despus, por Karl Pearson,
quien realiz un estudio similar utilizando ms de mil observaciones. Con el estudio de Pearson
se confirm que la estatura promedio de los hijos de un grupo de padres altos era menor que la
estatura de sus padres y la estatura promedio de los hijos de padres de estatura baja era mayor
que la de sus padres. As, se observa que los hijos de estatura alta o baja, regresan en forma
similar hacia la estatura promedio de la poblacin.
En este sentido, la regresin de una variable aleatoria Y sobre otra variable X fue entendida
como la media de Y condicional en X, a travs de una relacin funcional entre X e Y. El
estimador de los coeficientes involucrados en esta forma funcional fue hallado utilizando el
criterio de estimacin de Mnimos Cuadrados Ordinarios (MCO), que ser estudiado en el
siguiente captulo, y las observaciones muestrales de X e Y.
1
Francis Galton, Family Likeness in Stature, Proceedings of Royal Society, Londres,vol, 40, 1886, pp. 42-72.
Econometra Moderna El Modelo de Regresin Lineal
A menudo se confunden los trminos regresin y correlacin, los cuales estn estrechamente
ligados a pesar de que existen diferencias substanciales entre ellos. Por un lado el anlisis de
correlacin pretende medir el grado de asociacin lineal entre dos variables a travs del
coeficiente de correlacin2. Por ejemplo, se puede estar interesado en conocer la correlacin
entre la cuenta de capitales y la tasa de inters, entre los trminos de intercambio y la balanza
comercial, entre la tasa de encaje y crditos del sistema bancario, etc. En cambio, cuando se
analiza una regresin se trata de estimar o de predecir el valor promedio de una variable
(llamada explicada, dependiente o endgena) utilizando valores fijos3 de las variables
explicativas (tambin llamadas independientes o exgenas) . Utilizando el ejemplo anterior,
puede ser que se desee predecir el saldo de la cuenta de capitales teniendo informacin muestral
de la tasa de inters o que se desee predecir el monto total de crditos conociendo la tasa de
encaje bancaria. As, y conociendo la relacin existente entre estas variables a travs de un
anlisis de regresin, ser posible predecir valores de la variable dependiente utilizando
realizaciones de las independientes.
f( y/ x1 , x2 , x3 ) = F ( y/ x1 , x2 , x3 ) * f (x1 , x2 , x3 ) (1.1)
2
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 )
3
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 El Modelo de Regresin Lineal
De esta manera, si se tiene la siguiente funcin conjunta: C = f (r, Yd, w, Yp), sta nos
indica que el consumo es una funcin de la tasa de inters, el ingreso disponible, el salario y el
ingreso permanente. La funcin anterior expresa nicamente una relacin matemtica, sin
embargo, y tal como se indic en la introduccin del libro, uno de los objetivos de la
econometra es formular un modelo economtrico a partir de un modelo econmico, para luego
proceder a la estimacin y comprobacin del mismo a partir de los datos muestrales. En
consecuencia, se debe transformar la funcin anterior en un modelo economtrico, por ejemplo
consideremos el siguiente modelo de regresin lineal6:
C = 0 + 1 r + 2 Yd + 3 w + 4 Yp + (1.2)
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.
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.
6
Este modelo ser estudiado en el Captulo III.
7
Formalmente: Y = es decir, cada parmetro representa la derivada parcial de la variable dependiente con
i
X i
respecto a cada variable explicativa.
11
Econometra Moderna El Modelo de Regresin Lineal
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 El Modelo de Regresin Lineal
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.
Si analizamos nuestro modelo, veremos que dada una muestra determinada, conocemos los
valores muestrales tanto de la variable dependiente como de la dependiente. Sin embargo, los
parmetros verdaderos (los s) son desconocidos. Por ello, debemos desarrollar una estrategia
que nos permita realizar una estimacin adecuada de los mismos. En este punto es conveniente
tener claro el concepto de estimacin. Un estimador se define como cualquier frmula o funcin
de los datos que permite obtener estimaciones de los parmetros desconocidos. As, se deduce
que una estimacin es el valor numrico que resulta de la aplicacin de esta funcin a un
conjunto de datos muestrales especficos.8
Segn los expuesto, antes de proceder a explicar el proceso de estimacin debemos hacer
ciertas aclaraciones. El modelo planteado por el investigador sobre la base de consideraciones
tericas o apreciaciones intuitivas es un modelo desconocido al cual llamaremos modelo
terico. El modelo con el cual trabajaremos en la prctica implicar que se reemplazar los
parmetros desconocidos por los estimadores correspondientes. Como estos no son los
verdaderos sino aproximaciones que esperamos cumplan con ciertas condiciones deseables que
veremos ms adelante, los errores tampoco sern los verdaderos sino aproximaciones. Lo ideal
es que exista cierta conexin entre el modelo terico y el emprico. Esto lo podemos ilustrar con
las siguientes expresiones:
Y = X + u Y = X + e (1.4)
modelo modelo
terico 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 El Modelo de Regresin Lineal
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.
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] (1.5)
P
Observado Estimado
0<u<v
14
Econometra Moderna El Modelo de Regresin Lineal
L (u) u2 (1.8)
L (u) u (1.9)
iii) Prdida discreta: Dada una constante positiva , la funcin de prdida discreta sera:
L( * , )
L ( u ) 0 si u < (1.10)
L ( u ) 1 si u (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.
9
El lector interesado puede revisar el trabajo de Pagan y Ullah (1999) Nonparametric Econometrics Cambridge
University Press.
15
Econometra Moderna El Modelo de Regresin Lineal
Este mtodo consiste en maximizar la probabilidad de que una muestra dada pertenezca a
determinada distribucin. Para ello se plantea como supuesto que la variable Y tiene una
distribucin de probabilidad y se desea lograr que dicho supuesto inicial sea lo ms verosmil
posible, si slo se cuenta con la muestra. Es decir, los coeficientes estimados son aquellos que
hacen mxima la probabilidad de que la muestra pertenezca a la distribucin supuesta.
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 El Modelo de Regresin Lineal
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:
y, en el modelo de regresin lineal simple (donde slo se incluye una variable explicativa) se
puede tener la siguiente funcin lineal de X:
i = Yi E (Y / X i ) (1.15)
17
Econometra Moderna El Modelo de Regresin Lineal
Yi = E(Y / X i ) + i (1.16)
Yi = 0 + 1 X i (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.
18
Econometra Moderna El Modelo de Regresin Lineal
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.
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).
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 El Modelo de Regresin Lineal
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.
Formalmente:
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 El Modelo de Regresin Lineal
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.
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).
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.
P e +1 = P e + v( P P e ) (1.23)
21
Econometra Moderna El Modelo de Regresin Lineal
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:
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 i
Yi = 0 + 1Xi +i
Parte determinstica 0 + 1Xi
12
Podemos ampliar el concepto utilizando conceptos de teora de conjuntos. Si tomamos que Y representa un
conjunto, el supuesto que estamos presentando implica que se puede descomponer dicho conjunto en dos
subconjuntos disjuntos (es decir, que no presentan interseccin).
22
Econometra Moderna El Modelo de Regresin Lineal
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.
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)
Conocido tambin como el supuesto de estabilidad temporal, ste implica que los
coeficientes del modelo de regresin lineal son constantes en el tiempo. Igualmente, se supone
que el modelo es idntico para todas las observaciones de la muestra. De hecho, este supuesto
resulta esencial no slo si se pretende modelar la estructura que gobierna el comportamiento de
la variable dependiente sobre la base de las independientes, sino principalmente si se busca que
el modelo realice predicciones confiables. As, si la estructura que modela la variable
dependiente se mantiene inalterada a lo largo de todo el intervalo muestral, podemos asumir que
esta misma estructura se mantiene para periodos fuera del intervalo de la muestra y utilizar la
misma para predecir, este procedimiento es conocido como extrapolacin.
El anlisis de regresin supone la existencia de una relacin causal desde las variables
independientes (X) hacia la variable dependiente (Y).
Cabe mencionar que desde un punto de vista meramente estadstico, el modelo de regresin
no necesariamente tiene una connotacin de causalidad. Es decir, de la misma manera como se
23
Econometra Moderna El Modelo de Regresin Lineal
puede estimar una regresin de una variable dependiente Y sobre otra variable independiente X,
se puede estimar una regresin de modo inverso.
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
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.
3. A MODO DE RESUMEN
24
Econometra Moderna El Modelo de Regresin Lineal
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 MCO: El Modelo de Regresin Bivariado
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.
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.
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 e
i =1
2
i
( ei2 )
= 2 (Yi 0 1 X i ) = 2 ei (2.6)
0
(e 2
i )
= 2 (Y 1 X )X i = 2 e X
i i (2.7)
i i
0
1
28
Econometra Moderna MCO: El Modelo de Regresin Bivariado
Yi = 0 + 1 X i (2.8)
X i Yi = 0 X i + 1 X i
2
(2.9)
Para resolver este sistema conviene plantearlo en forma matricial para luego resolverlo
utilizando para ello el mtodo de Kramer. Si escribimos el sistema en forma matricial podemos
expresarlo de la siguiente manera:
n X i
0
=
Y i
Xi X i
2
1 XY i
(2.10)
Yi Xi
0 =
X i Yi Xi
2
=
(
Yi X i X i X i Yi
2
)
n Xi
2
(
n X i2 ( X i )2 ) (2.11)
Xi Xi
n Yi
Xi X i Yi (n X i Yi X i Yi )
1 = =
n Xi
2
(
n X i2 ( X i )2 )
Xi Xi
Xi
2 ( X i )2
= X i2
(nX ) 2
(2.12)
n n
= X i2 nX 2
= ( X i X )2 (2.13)
29
Econometra Moderna MCO: El Modelo de Regresin Bivariado
X i Yi (1 / n) X i Yi = X i Yi nXY
= X i Yi X i Y + XY XYi (2.14)
1 =
( =
)
Yi Y (X i X ) Cov( X , Y )
(2.16)
(X i X )
2 Var ( X )
x i = (X i X
y i = (Y i 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.
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
30
Econometra Moderna MCO: El Modelo de Regresin Bivariado
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
Xi Yi X i Yi X2 Yi ei = Yi Yi
DAS
1 1 3 3 1 7 -4
2 1 6 6 1 7 -1
3 1 10 10 1 7 3
4 2 5 10 4 8 -3
5 2 10 20 4 8 2
6 2 12 24 4 8 4
7 3 5 15 9 9 -4
8 3 10 30 9 9 1
9 3 10 30 9 9 1
10 2 9 18 4 8 1
Totales 20 80 166 46 80 0
166 = 20 0 + 46 1
0 = 6
1 = 1
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
31
Econometra Moderna MCO: El Modelo de Regresin Bivariado
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.
Bsicamente son dos la propiedades muestrales que nos interesan analizar del estimador
MCO. Estas son el insesgamiento y la eficiencia. Intuitivamente la primera se refiera a que el
centro de la distribucin del estimador es igual al parmetro verdadero mientras que la segunda
nos asegura que nuestro estimador ser el de varianza mnima lo que nos dar una mayor
seguridad porque el grado de imprecisin inherente ser menor. Estas dos propiedades son
aquellas que denominaremos de muestras pequeas.
( )
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.
! 1 =
(Yi Y )( X i X ) = Cov( X ;Y ) = xi yi
( Xi X )2 Var ( X )
xi 2 (2.28)
1
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 MCO: El Modelo de Regresin Bivariado
( X i X )(Yi Y ) = ( X i X )Yi Y ( X i X )
y dado que ya conocemos que ( X i X ) = 0 , podemos reexpresar el numerador de la
ecuacin (2.28), de la forma2 :
xi yi = xi Yi (2.29)
= k i yi (2.30)
Siendo:
xi
ki = (2.31)
xi 2
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 :
xi = 0
=
xi
ii. ki =
xi 2 xi 2
Dado que xi representa la desviacin de dicha variable respecto a su media, el numerador es
siempre cero. Adems, se sabe que la suma de las desviaciones al cuadrado, para cualquier
muestra dada, es un valor conocido y diferente de cero.
xi 2 = 1
iii. ki 2
=
( xi 2 ) xi
2 2
iv. ki xi =
xi 2
=1
( xi 2 )
2
Ntese que nicamente el trmino Y ( X i X ) puede ser igualado a cero.
33
Econometra Moderna MCO: El Modelo de Regresin Bivariado
Antes de revisar estas propiedades, conviene recordar que uno de los supuestos del modelo
de regresin lineal afirma que las observaciones de X son fijas, es decir, no varan si se utiliza
otra muestra de igual tamao. En cambio, no se debe olvidar que las observaciones de Y s
seran diferentes de repetir el proceso de muestreo, debido a que incluye un componente
aleatorio i cuyas realizaciones variaran al cambiar de muestra. Estos conceptos se utilizarn
repetidamente en la demostracin de las propiedades.
Con esto en mente, pasemos ahora a verificar las propiedades del estimador MCO. En primer
lugar, sustituyamos en (2.29) la ecuacin del modelo terico de regresin (1.17) para luego, y
con la ayuda de las propiedades enunciadas en la digresin, demostrar la insesgabilidad de los
estimadores
Resulta fcil comprobar que en la ecuacin (2.30) resulta indiferente multiplicar las
ponderaciones por yi o por Yi, para ello se debe reemplazar (2.29) en (2.28) . As tenemos que:
! 1 = ki Yi = ki (0 +1 X i + i )
= k i 0 + k i 1 X i + ki i
= 0 k i + 1 k i X i + k i i (2.31)
= 0 (0) +1 (1) + k i i
E (! 1 ) = E (1 ) + E ( k i i ) = 1 + k i E ( i )
= 1 + ki (0)
E(! 1 ) = 1 (2.33)
Y = 0 + 1 X + (2.34)
E (Y ) = 0 + E (1 X ) + E ( ) = 0 +1 X (2.35)
3
En adelante, de no indicar lo contrario, nos referiremos a la lnea de regresin muestral o estimada, esto es, X i .
34
Econometra Moderna MCO: El Modelo de Regresin Bivariado
! 0 = Y ! 1 X
E (! 0 ) = E (Y ) E (! 1 X )
E (! 0 ) = ( 0 +1 X ) E (! 1 ) X
= 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.
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 + ki i
! 1 1 = ki i (2.37)
[ ]
2
Var (! 1 ) = E ! 1 E (! 1 ) (2.38)
[ ]
2
Var ( ! 1 ) = E ! 1 1 (2.39)
[ k ]
2
Var (! 1 ) = E i i
= E ( k1 1 + k 2 2 +...+ k n n ) 2
35
Econometra Moderna MCO: El Modelo de Regresin Bivariado
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
xi2
1
Var (! 1 ) = 2 ki2 = 2
= 2 (2.41)
( xi2 ) ( Xi X )2
2
Por otro lado, para hallar la varianza del estimador del intercepto ( ! 0 ) debemos partir de la
ecuacin de la lnea de regresin (2.18) y reemplazar la especificacin para la media de la
variable endgena (2.34) para obtener:
! 0 = ( 0 +1 X + ) ! 1 X
! 0 = 0 (! 1 1 ) X + (2.42)
Ahora, y dado que:
! 1 1 = ki i
la ecuacin (2.42) se puede escribir como:
(
! 0 = 0 k i i X + )
(
(! 0 0 ) = k i i X + ) (2.43)
36
Econometra Moderna MCO: El Modelo de Regresin Bivariado
[ ] (( ) )
2 2
Var (! 0 ) = E ! 0 0 = E ki i X +
( )
Var (! 0 ) = E ki i X 2 + ( ) 2 2 X ki i ( )
2
(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
1
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:
1 1 2
E ( ) 2 = E ( 12 + 22 +...+ n2 + 1 2 +...+ n1 n ) = n( 2 ) =
n2 n2 n
Dadas las expresiones anteriores, la varianza del estimador del intercepto se reduce a:
1 2 1 1
2 2
Var( ! 0 ) = X 2 2 + = X + (2.45)
( X i X )2 n
( X i X )2 n
([ ][
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 MCO: El Modelo de Regresin Bivariado
! 0 = Y ! 1 X
y tomando esperanzas:
E ( 0 ) = Y E ( 1 X ) 4 (2.48)
! 0 0 = (! 1 1 ) X (2.49)
[
Cov (! 0 , ! 1 ) = E X (! 1 1 ) 2 ]
= XE(! 1 1 ) 2 (2.50)
Cov (! 0 , ! 1 ) = XVar (! 1 )
1
= X 2 2
(2.51)
(Xi X )
2 2
Var (! 1 ) = =
xi2 ( Xi X )2
X2 1
Var (! 0 ) = 2 +
( X i X ) 2 n
2
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 .
38
Econometra Moderna MCO: El Modelo de Regresin Bivariado
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.
Para verificar esta propiedad, recordemos que el estimador MCO ! 1 puede escribirse como:
! 1 = ki Yi = ki (0 +1 X i + i )
Ahora, y con el objetivo de demostrar que este estimador es el de mnima varianza,
definamos un estimador lineal alternativo de la forma. En este caso el procedimiento que vamos
a utilizar implica analizar otro estimador arbitrario y si comprobamos que el estimador MCO
tiene menor varianza, podremos generalizar nuestro resultado al resto de estimadores lineales e
insesgados. Teniendo esto en perspectiva definamos otro estimador de la siguiente forma:
vi Yi
~
1 = (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 )
Var ( 1 ) = Var
= ( vi2VarYi )
5
En resumen lo que se busca es determinar si el estimador MCO es eficiente.
39
Econometra Moderna MCO: El Modelo de Regresin Bivariado
v
~
Var ( 1 ) = 2 2
i (2.58)
Con el fin de escribir la expresin anterior en trminos ms conocidos, hagamos el siguiente
artificio:
2
v xi xi
= 2
i
+
x x
2 2
i i
2
v + 2 2
v + 2
xi xi xi
1
= 2
i
x x x x
2 i 2 2 2
i i i i
2
v xi + 2 2 v xi xi
+ 2
1
= 2
i i
x x x x
2 2 2 2
i i i i
xi 2 v i xi xi 2
v
vi
xi xi xi
= =
i
xi 2 xi 2 xi 2
( ) xi 2 2
x i 2 ( x i 2 ) 2
1 1
= =0
xi xi 2 2
~
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:
2
v xi + 2
~ 1
Var ( 1 ) = 2
i
x i
2
x i
2
xi
vi = = ki
xi 2
~
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 MCO: El Modelo de Regresin Bivariado
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.
1. La lnea de regresin muestral a travs del estimador MCO atraviesa los puntos que
representan las medias muestrales de X e Y.
Grficamente:
6
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 MCO: El Modelo de Regresin Bivariado
Figura 2.2
Y = 0 + 1 X (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.
Yi = 0 + 1 X i (2.19)
Yi = Y 1 X + 1 X i
Yi = Y 1 ( X i X ) (2.20)
Yi = nY 1 ( X i X ) (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:
(X i X ) = 0 (2.22)
42
Econometra Moderna MCO: El Modelo de Regresin Bivariado
Yi = nY (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 (2.25)
n
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:
7
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 MCO: El Modelo de Regresin Bivariado
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.
Hasta el momento hemos estimado nicamente los parmetros del modelo propuesto pero
an nos queda la estimacin de una ltima magnitud: la varianza del error. Ntese que hasta el
momento cuando obtuvimos la varianza de los estimadores el trmino 2 sta qued expresado
en trminos tericos. Para poder estimar la varianza de los parmetros y la propia varianza de la
variable dependiente necesitamos un estimador de esta magnitud.
Una de las formas ms utilizadas para la estimacin de la varianza del error parte del modelo
terico y de su representacin en promedios muestrales:
Yi = 0 +1 X i + i
Y = 0 + 1 X +
Yi Y =1 ( X i X ) + ( i )
y i = 1 xi + i (2.52)
ei = ( 1 1 ) xi + i
44
Econometra Moderna MCO: El Modelo de Regresin Bivariado
n n
[
E (! 1 1 ) ]
xi ( i ) = E
k j j
x i ( i )
j =1 j =1
[ ]
Ntese que, E j ( i ) = 0 , excepto cuando (i = j ). De esta manera, el trmino anterior
resulta:
xi2
k i xi E [ i ( i )] = 2 = 2
xi2
( i ) 2 = ( i2 2 i + 2 )
( i )
2
( i ) i2 n ( i )
2 2 1 2
= i2 + =
n n
y tomando esperanzas:
E [ ( i ]
) 2 = n 2 2 = (n 1) 2
E ( e ) = 2
i
2
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
E (! 2 ) = E = 1 E
n2 n2
( e ) = n 1 2 (n 2) =
2
i
2 2
Por consiguiente, el estimador MCO de la varianza del error para el modelo lineal simple
viene dado por la siguiente expresin:
45
Econometra Moderna MCO: El Modelo de Regresin Bivariado
e
i =1
2
i
2 = (2.55)
N 2
Por lo revisado hasta el momento, sabemos que el criterio de Mnimos Cuadrados Ordinarios
garantiza que la lnea de regresin obtenida es la que proporciona la menor suma de cuadrados
de residuos de todas las que se podran obtener si se trazan a travs de los valores observados de
X e Y. Sin embargo, en algunos casos el ajuste puede ser muy bueno o perfecto cuando todas las
observaciones caen sobre la lnea de regresin, mientras que en otros pueden no obtenerse tan
buenos resultados. As, se hace necesario considerar la bondad de ajuste de la lnea de regresin
dado el conjunto de observaciones. En otras palabras, se desea verificar qu tan bueno es el
ajuste de la lnea de regresin a los datos, o cun cerca estn las predicciones del modelo con
respecto a las observaciones reales. De hecho, al construir un modelo estamos suponiendo una
estructura que gobierna el comportamiento de la variable dependiente. As, la bondad de ajuste
nos permite conocer el grado en que esta estructura recoge el comportamiento de la variable
endgena, dadas las observaciones muestrales. La medida propuesta para tal fin se denomina
coeficiente de determinacin, conocido tambin como r- cuadrado (r2 o R2 en el caso de una
regresin lineal simple o en el de una regresin mltiple, respectivamente).
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
(Yi Y ) = ! 1 ( X i X ) + ei
yi = y! i + ei
46
Econometra Moderna MCO: El Modelo de Regresin Bivariado
Podemos expresar la ecuacin anterior de modo tal que resulte ms conocida en trminos
estadsticos9:
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
Var(Yi ) y i
= =
( 2 2
y i e i
=1
) 2
ei
(2.61)
Var(Yi ) y 2 yi
2 2
yi
i
2
r =
xi2 = ! 2 xi2 = ! 2 Var ( X )
! 12
yi2 yi
1 2 1
Var (Y )
( xi yi )
2
2
r =
xi2 yi2
As, el coeficiente de determinacin se interpreta como la proporcin de la variacin total de
Y que la regresin es capaz de explicar. En otras palabras, el r2 mide la efectividad que poseen
las variables independientes X para explicar la variacin que la variable dependiente
experimenta a lo largo de la muestra. Por lo tanto, cuando r2 es muy cercano a 1 se dice que el
modelo de regresin es capaz de explicar un alto porcentaje de las variaciones que registra la
variable explicada. Por lo tanto, el ajuste de la lnea de regresin obtenida por MCO es bastante
bueno, en el sentido que los valores estimados de Y son casi idnticos a los observados y que
los residuos son muy pequeos.
Existen algunos casos en los que el coeficiente de determinacin no es una medida confiable,
por ello se debe tener cuidado al interpretarlo. Por ejemplo, si el nmero de observaciones es
9
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 MCO: El Modelo de Regresin Bivariado
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
resultado sea diferente, obtenindose un coeficiente de determinacin menor. En este caso, la
regresin recibe el nombre de esprea o ficticia, pues el modelo estimado en realidad no recoge
la existencia de una relacin de la variable dependiente y los regresores. Esto ocurre cuando las
series de tiempo involucradas presentan ciertas caractersticas que distorsionan la distribucin
del error sobre la base de la cual se construyen las pruebas de inferencia.
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 MCO: El Modelo de Regresin Bivariado
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.
3. No tiene unidades de medida. Recurdese que es una proporcin, siendo, por tanto, un
nmero puro.
En este captulo hemos obtenido el estimador MCO para el modelo lineal simple. Este modelo
considera slo una variable explicativa aparte del intercepto. El estimador MCO cumple con una
serie de propiedades deseables como el insesgamiento y la eficiencia lo que asegura que es el
mejor estimador lineal insesgado en el sentido que los estimados obtenidos tendrn la menor
incertidumbre asociados a ellos.
Dentro del largo camino que an nos queda por recorrer en la exploracin de las aplicaciones
del estimador MCO, este ha sido un paso importante porque nos ha permitido comprender la
lgica a partir del cual se deriva el estimador. Hasta aqu la herramienta ms utilizada han sido
las sumatorias. Sin embargo, un enfoque ms completo se basa principalmente en el anlisis
matricial que es el que empezaremos a utilizar en los captulos siguientes. Para ello se
recomienda que el lector haga un repaso de las principales propiedades de matrices y vectores
as como la interpretacin de las distintas operaciones con los mismos.
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:
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 MCO: El Modelo Lineal General
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 1 X 2 ,1 ... X k,1 1 1
Y 1 ... ... ...
2 = . 2 + .
. 1 ... ... ... . .
Yn 1 X 2 ,n ... X k ,n k n
(nx1) (nxk) (kx1) (nx1)
Con el fin de estimar los coeficientes del modelo de regresin y el intercepto, debemos re-
escribir la ecuacin (3.1) de modo que para la observacin i tendramos un valor observado de
Y y un valor estimado de la forma:
Yi = 1 + 2 X 2i + ... + k X ki
ei = Yi
1
X ..
2 2i
X
k kt
Y = 1 + 2 X 2 + ... + k X k + e = X + e (3.3)
e1
e
ee = [e1 e2 ..... en ]. 2 = e12 + e22 + ... + en2 = ei2
.
e n
52
Econometra Moderna MCO: El Modelo Lineal General
ee = ( Y - X )' ( Y - X )
Min ( Y - X )' ( Y - X )
en la expresin anterior Y'X y ' X'Y son escalares y por tanto son iguales(uno es el
transpuesto del otro). Por otro lado, cuando se reemplazan los valores muestrales para X e Y la
suma de residuos al cuadrado define una funcin del vector de coeficientes . De modo que:
e e = f (
)
donde los elementos del vector son las variables de la ecuacin, por lo que se debe minimizar
la misma con respecto a . Para tal fin, es preciso hacer una digresin acerca del lgebra
matricial utilizada para obtener los resultados que a continuacin se detallan:
e' e = Y ' Y 2
' X' Y +
' X ' X
e' e
= 2 X ' Y + 2 X ' X
=0
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 ) b1
f (b ) ! = "! (3.5)
b f (b )
bn
53
Econometra Moderna MCO: El Modelo Lineal General
a1
(a b) (b a ) a 2
= = =a
b b ..
a k
(X ' ) ( ' X)
= =X
g (b) = b' Ab
g
b1 2b1A11 + 2b 2 A12 + # + 2b k A1k
2 b A + 2b A + # + 2 b A
g (b) g
= b 2 = 1 12 2 22 k 2k
b "
"
g 2b1A1k + 2b 2 A 2k + # + 2b k A kk
b k
54
Econometra Moderna MCO: El Modelo Lineal General
n
+
1
X + ... +
2 2i
X = Y
k ki i
X + X 2 + ... +
X X =X Y
1 2i 2 2i k 2i ki 2i i
...............................................................................................................................
X + X2 =X Y
X X + ... +
1 ki 2 ki 2i k ki ki i
o en trminos matriciales,
n X 2i ... X ki 1
1 1 1 1 Y1
X
2i X 2i
2
... X 2i X ki 2 X 21 X 22 ... X 2n Y2
. = .
... ... ... ... ... ... ... ... ... ..
2
X ki X ki X 2i ... X ki k X k1 X k2 ... X kn Yn
( X X ) = ( X ' Y )
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
1
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 MCO: El Modelo Lineal General
X 1e 0
X e
2 0
X 'e = = =0 (3.7)
.. ..
X k e 0
n
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.
Para ilustrar este mtodo matricial vase el ejemplo (2.1), donde se obtienen los
estimadores de un modelo bivariado por el mtodo MCO. As, obtenemos el modelo de
regresin lineal simple en trminos matriciales:
Y = X + e
Y1 1 X 21 e1
Y 1 X e
2 = 22 1
+
2
.. ..
.. 2 ..
Yn 1 X 2 n e n
( X X ). = ( X Y )
n n
n X 2i Yi
i =1
1 = i =1
nX n
2 n
i X 2i X 2i Yi
2
2i
=1 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 MCO: El Modelo Lineal General
10 20 80
(XX) = (XY) =
20 46 166
0,76666666 - 0,33333333
(XX)-1 =
- 0,33333333 0,16666666
0,76666666 - 0,33333333 80 6
= 1 = =
2 - 0,33333333 0,16666666 166 1
los cuales son los mismos obtenidos en el captulo anterior. Este resultado ilustra el hecho de
que el estimador presentado en esta captulo (y que ser el ms utilizado a lo largo del libro) es
una generalizacin del estimador bivariado (que usualmente se trabaja en trminos de
sumatorias).
Todo estimador debe cumplir con ciertas condiciones que nos den cierta seguridad acerca de
su idoneidad. Si un estimador cumple con estas condiciones podr utilizarse con relativa
seguridad de que los resultados obtenidos son equivalentes en trminos estadsticos a los
verdaderos parmetros que siempre sern desconocidos.
Las primeras de ellas se refieren a resultados sobre los cuales existe certeza y que pueden
analizarse incluso en un contexto de muestras pequeas. El segundo grupo se refiere a
resultados que no se pueden comprobar en muestras pequeas y que deben analizarse como
aproximaciones. La nica forma de lograr hacer este anlisis es realizando el ejercicio de ir
aumentando el tamao de muestra y observar como se va comportando el estimador3. Las
principales propiedades se pueden resumir de la siguiente forma:
3
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 MCO: El Modelo Lineal General
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 ( ).
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):
P lim =
n
58
Econometra Moderna MCO: El Modelo Lineal General
Cabe destacar que esta propiedad es de suma importancia pues si un estimador resulta
sesgado utilizando un tamao muestral reducido, el investigador puede eliminar dicho sesgo
aumentando el nmero de observaciones de la muestra. Por lo tanto, para garantizar que el
estimador MCO sea insesgado se debe utilizar muestras grandes (n 60) .
La idea detrs de esta propiedad es analizar si el sesgo tiende a desaparecer en la medida que
el tamao muestral tiende a infinito. Tiene cierta relacin con la propiedad anterior pero no son
equivalentes. En este caso se analiza el comportamiento del sesgo, mientras que en la
consistencia se analiza el punto hacia el cual converge la distribucin del estimador.
1. Insesgamiento
= ( X ' X ) 1 X 'Y
= ( X X ) 1 X ' ( X + )
= ( X ' X ) 1 X ' X + ( X ' X ) 1 X '
= + ( X ' X ) 1 X ' (3.8)
E ( ) = + ( X ' X ) 1 X ' E ()
E () = (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.
59
Econometra Moderna MCO: El Modelo Lineal General
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:
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
Vase la seccin (1.2) del primer captulo
5
Tomemos en cuenta la frmula de la varianza muestral de una variable:
Var ( x) =
(x i x)2
=
x 2
i 2x x i + nx 2
n 1 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 MCO: El Modelo Lineal General
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
De todo lo discutido hasta el momento, vemos que dos elementos para evaluar la calidad de
un estimador son el sesgo y la varianza. Sin embargo, se pueden presentar casos en donde la
varianza de un estimador sesgado es menor que la de un estimador insesgado. En este caso cul
estimador debemos escoger? La respuesta a esta pregunta encontr una solucin en el
planteamiento de un criterio que nos permita evaluar un estimador tomando en cuenta el sesgo
y la varianza. Este criterio recibe el nombre de Error Cuadrtico Medio (ECM)que se define
como la esperanza matemtica de la diferencia entre el valor estimado del parmetro y su valor
verdadero:
61
Econometra Moderna MCO: El Modelo Lineal General
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
~
A = A ( X X ) 1 X '
Segn lo anterior:
~
= [ A + ( X ' X ) 1 X ][ X + ]
~
= AX + + [ A + ( X X ) 1 X ' ] (3.11)
~
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)
62
Econometra Moderna MCO: El Modelo Lineal General
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.
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 + ] (3.14)
= M x [ X + ]
e = M x = M xY
M x X = [ I n X ( X ' X ) 1 X ' ] X
= X X ( X ' X ) 1 X ' X = 0
7
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 MCO: El Modelo Lineal General
Recordemos que:
E (e) = E (Y ) E ( X )
= X X
E ( e) = 0
Yi = Yi + ei (3.16)
64
Econometra Moderna MCO: El Modelo Lineal General
De modo que, el error estimado muestra la discrepancia entre el valor de Y predicho (Yi ) y
su valor observado. As, por la ecuacin (3.16) podemos descomponer la varianza de Y de la
siguiente forma9:
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.
Var(Yi )
R2 = (3.17)
Var(Yi )
Y Y nY 2 = Y Y nY 2 + e e
Y Y nY 2 SEC
R2 = = (3.18)
Y Y nY 2 STC
Y Y nY 2 = X X nY 2
= X X (X X )1 X Y nY 2
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.
9
Recurdese que por el supuesto de ortogonalidad entre las variables explicativas y el error estimado, se tiene que:
Y e = X e = 0 .
(y y) = y y
2
10 i
2
i 2y i + ny 2
Recordemos que
=y 2
i 2 yny ny 2 = yy ny 2
65
Econometra Moderna MCO: El Modelo Lineal General
SRC ee
R2 = 1 = 1 (3.19)
STC Y Y nY 2
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.
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.
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 MCO: El Modelo Lineal General
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:
SRC /( n k ) (n 1)
R 2 = 1 = 1 (1 R 2 ) (3.20)
STC /( n 1) (n k )
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
(n 1)
adicional en el modelo. De modo que, la fraccin: aumenta cuando el nmero de
(n k )
variables explicativas (k) se incrementa, mientras que el trmino (1-R2) disminuye. En
consecuencia, se dice que esta nueva medida de bondad de ajuste es relativamente neutral a la
introduccin de variables adicionales.
Un punto importante como resumen de esta seccin es presentar de manera sinttica las
magnitudes involucradas en el clculo de las medidas de bondad de ajuste. Como sabemos, cada
uno de los componentes de la suma total de cuadrados tendr asociados ciertos grados de
libertad, los cuales sern utilizados ms adelante. La formulacin matricial de la
descomposicin de la varianza (tabla ANOVA) para el modelo lineal general es la siguiente:
Total de la 2 n-1
regresin YY nY
Debido a la 2 k-1
regresin X X n Y
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 k-
dimensional 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
Recordemos que la suma explicada de cuadrados est relacionada a la siguiente magnitud:
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 MCO: El Modelo Lineal General
Cuando los paquetes estadsticos utilizados no eran tan potentes como los de ahora o no
existan, los clculos se complicaban cuando se introducan un nmero alto de variables. Ello
llev a buscar formas de abreviar los clculos. De all surgi lo que ahora se denomina el
modelo particionado. Si bien actualmente los programas estadsticos permiten hacer
estimaciones con gran nmero de observaciones y variables explicativas, este anlisis
permanece relevante dado que permite ilustrar la interpretacin de los parmetros de un modelo.
Y = X + e
En este caso introduciremos un cambio. Este cambio implica particionar la matriz X en dos
submatrices:
X = [X1 X2]
X 1 X 1 X 1 X 2 1 X 1Y
X X =
2 1 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:
P P12
P = 11
P21 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 F12
F = 11
F21 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 1
F11 = (P11 P12 P22 P21 ) 1 F12 = P11 P21F22
68
Econometra Moderna MCO: El Modelo Lineal General
1 1
F22 = (P22 P21P11 P12 ) 1 F12 = P22 P21F11
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)
1 = ( X 1 X 1 )1 X 1Y ( X 1 X 1 )1 X 1 X 2 2
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)
X 2 M 1 X 2 2 = X 2 M 1Y
12
La razn del nombre quedara ms clara en la seccin 3.10.
69
Econometra Moderna MCO: El Modelo Lineal General
( M 1 X 2 )' ( M 1 X 2 ) 2 = ( M 1 X 2 )' ( M 1Y )
2 = ( X 2 M 1 X 2 ) 1 ( X 2 M 1Y ) (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.
Recordemos que en el Captulo 2 uno de los resultados que estudiamos fue que el modelo de
regresin de dos variables poda ser expresado en forma de desviaciones. Este enfoque mostraba
que los parmetros podan ser estimados en dos pasos: el primero consiste en calcular la
pendiente de X ( 1 ) y el segundo es reemplazar dicho valor en la ecuacin de la lnea de
regresin muestral para hallar el intercepto. Un procedimiento similar puede aplicarse al
modelo lineal general. Partamos de un modelo especificado incluyendo un trmino
independiente o intercepto:
Yi = 1 + 2 X 2i + ... + k X ki + e (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)
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.
Y = X + e
X = [1n ;X 2 ] (3.29)
70
Econometra Moderna MCO: El Modelo Lineal General
= 1 (3.30)
2
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:
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)
M 0e = e (3.34)
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.
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 MCO: El Modelo Lineal General
X 2 M 0Y = X 2 M 0 X 2 2 (3.36)
Por ltimo, recordemos que la matriz M0 es idempotente por tanto, podemos reexpresar a
(3.36) como:
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:
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
1
Y = [1 X 2 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 X 2 e = 0 por el supuesto de ortogonalidad entre las variables independientes y el error. Vase la
expresin (3.7).
72
Econometra Moderna MCO: El Modelo Lineal General
Y M 0 Y = Y M 0 X 2 2 + Y e
Y M 0 Y = (X + e)' M 0 X 2 2 + (X + e)' e
Y M 0 Y = X M 0 X 2 2 + X e + e' M 0 X 2 2 + e' e
Y M 0 Y = 2 X 2 M 0 X 2 2 + e' e (3.40)
= (O n M 0 X 2 2 ) = M 0 X 2 2
e M 0 = 0
STC = Y M 0 Y
SEC = 2 X 2 M 0 X 2 2
SRC = e' e
De esta manera, podemos calcular el coeficiente de determinacin (R2) para este modelo y
notar sus diferencias con el modelo original:
SEC e' e
R2 = =1
STC Y' M 0 Y
X M X X M Y
= 2 2 0 2 2 = 2 2 0 (3.41)
Y' M 0 Y Y' M 0 Y
Introduccin
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 MCO: El Modelo Lineal General
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.
Yi = 1 X 1i + 2 X 2i + 3 X 3i + ... + k X ki + i
Y = 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.
14
Vase las 4 primeras propiedades de la seccin (2.3).
15
Una de las propiedades estadsticas ms importante es el insesgamiento, al verificar esta propiedad suponemos que
la distribucin de los errores es normal.
16
Se define un espacio Euclidiano como aqul que cumple con las propiedades de cerradura interna y cerradura
externa.
17
El rango de una matriz es igual al nmero de columnas linealmente independientes.
74
Econometra Moderna MCO: El Modelo Lineal General
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.
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 MCO: El Modelo Lineal General
Min Y X 2
Min( Y - X ) ( 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.
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)
M x + Px = I n (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:
toma en cuenta un error. Sin embargo el anlisis se puede generalizar para un nmero mayor de observaciones.
Recuerdese que el objetivo del estimador MCO es minimizar la suma de errores elevados al cuadrado que es similar
a la minimizacin de la norma de un vector.
76
Econometra Moderna MCO: El Modelo Lineal General
( Px Y )' ( M x Y ) = 0 (3.47)
S(X)
S(X)
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 (3.48)
2
= M xY
( X )' ( X ) = ( Px Y )' ( Px Y )
2
= Y ' Px Px Y = Y ' Px Y = Px Y (3.49)
Ahora, notemos que la distancia entre Y y PxY es M x Y , la distancia entre el origen y PxY
es PxY , y la distancia entre el origen e Y es Y . As, resulta til aplicar el teorema de
Pitgoras:
2 2 2
Y = PxY + MxY (3.50)
77
Econometra Moderna MCO: El Modelo Lineal General
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).
2 2
SEC SRC PxY MxY
R2 = =1 = =1 (3.51)
STC STC 2 2
Y Y
o en trminos trigonomtricos19:
2 2
PxY MxY
R 2 = cos = =1
2 2
Y 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.
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.
[
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:
19
Recurdese que el coseno de un ngulo de un tringulo rectngulo, en nuestro caso ( ), es igual al cateto opuesto
entre la hipotenusa.
78
Econometra Moderna MCO: El Modelo Lineal General
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:
Ahora pongamos en accin estas dos propiedades para calcular la esperanza de la SRC:
[ ]
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 1
E ( SRC ) = 2 (n k ) (3.56)
ee
2 = (3.57)
nk
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 MCO: El Modelo Lineal General
En funcin a las resultados obtenidos podemos ahora definir algunas expresiones que sern
de mucha utilidad y que se utilizan bastante en el anlisis que efectan la mayora de paquetes
economtricos. La primera de ellas es el error estndar de la regresin (standard error of
regresin) que no es otra cosa que la raz cuadrada de la varianza estimada del error 8 es decir la
desviacin estndar).
Esta expresin es la que se utilizar en todos los clculos a realizarse por los paquetes
estadsticos especializados en la estimacin de modelos economtricos.
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.
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
1
La cual se desarrolla paulatinamente a travs de la observacin y la experiencia acerca de un tema o fenmeno
econmico.
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
Debe aclararse que el realizar el ejercicio de prediccin implica suponer que las
condiciones subyacentes en la economa en general o en el mercado en particular
permanecern inalterables cuando salgamos fuera de la muestra. Podemos utilizar nuestro
ejemplo anterior para ilustrar esta idea: si la prediccin que queremos realizar
corresponde al ao 2000, lo que vamos a suponer es que nuestro modelo es vlido para
dicho ao, lo que en la prctica implica suponer que las condiciones que prevalecieron
para el periodo muestral considerado en la etapa de estimacin se mantendrn en el
futuro. Entonces el ejercicio de pronstico significa hacer una prediccin suponiendo que
las condiciones estructurales se mantienen constantes.
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.
2
Tambin podemos utilizar la expresin factores subyacentes de la economa o rgimen imperante.
3
Lucas, Robert E. (1977) Econometric Policy Evaluation: A Critique reimpreso en Lucas (1980) Studies in
Business-Cycle Theory, MIT Press.
82
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
En primer lugar podemos pensar en que un investigador est estudiando cules son los
determinantes del consumo y para ello plantea la siguiente ecuacin:
p
C t = 0 + 1Yt + 2 Yt + 3 rt + 4 Wt + t
donde:
Yt = Ingreso Corriente
Ypt = Ingreso Permanente
rt = Tasa de inters real
Wt = 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.
4
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 Inferencia Estadstica en el Modelo Lineal General
H o : 2 = 0
H1 : 2 0
La pregunta ahora es la siguiente cmo vamos a comprobar esta hiptesis? Para ello
necesitamos aclarar un poco ms qu implica la hiptesis planteada. En todo ejercicio de
inferencia estadstica debemos tomar en cuenta cierta distribucin de probabilidad conocida
para identificar si, en trminos de esta distribucin, la probabilidad de que se cumpla la
hiptesis nula es alta o no. Por tanto, debemos hacer ciertos supuestos de cmo se distribuyen
las variables consideradas. Entonces la hiptesis nula o planteada implica preguntar si el valor
del parmetro estimado proviene de una funcin de distribucin probabilstica centrada en el
valor que se plantea en la hiptesis nula.
5
Lo que comnmente mencionamos como aceptar la hiptesis.
6
Esto lo conocemos tambin como rechazo de la hiptesis nula o planteada.
84
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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.
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
7
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 Inferencia Estadstica en el Modelo Lineal General
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.
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.
Como ya hemos mencionado, para realizar la inferencia estadstica se debe partir de suponer
una funcin de distribucin probabilstica conocida. En este caso supondremos que los errores
se distribuyen de la siguiente manera:
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 Inferencia Estadstica en el Modelo Lineal General
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.
(
~ 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)
Lo que queremos analizar es cun lejos est nuestro estimado del valor que proponemos
como cierto en nuestra hiptesis nula. Como ya se ha mencionado, si la diferencia es pequea
podremos interpretar nuestros resultados como que el valor estimado proviene de una
distribucin que est centrada en el valor propuesto en la hiptesis planteada. Si la diferencia es
87
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
grande se tendr algn grado de certeza (no absoluta) de que dicho valor proviene de una
distribucin distinta.
( ) (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( )
Se sabe que:
X ( ) = (Y M) X = M = P
(4.5)
P = X (X X ) 1 X
En este caso:
[ ] [ ]
Rango (P) = Tr (P) = Tr X (X X ) 1 X = Tr (X X ) 1 X X = Tr (I k ) = k (4.6)
Si x ~ N(0, 2x I n ) entonces:
x Ax
~ 2 ( m) (4.7)
2x
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.
1 1
( )X X ( ) = P (4.8)
2 2
88
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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.
2 1 1
(n k ) = e e = M (4.9)
2 2 2
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.
Supongamos que:
x ~ N (0, 2 I n )
Si las covarianzas entre las variables de Ax y Lx son cero, esto supondr que:
E{Axx L } = 2 AL = 0 (4.10)
o de forma equivalente LA = 0
89
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
( ) = (X X) 1 X
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.
( ) X X ( )
P ( ) X X ( )
k = 2 k k
= ~ F(k, n-k) (4.12)
M (n k ) 2 e e
nk (n k )
2 (n k )
Con este procedimiento se puede ilustrar cul era la motivacin de la creacin de la prueba
F. Usualmente las pruebas originales estaban basadas en la distribucin normal y su
transformacin chi-cuadrado. Sin embargo, estas pruebas incluyen magnitudes desconocidas.
La bsqueda de expresiones que estuvieran en funcin de magnitudes estimables a partir de la
muestra con que se cuenta llev al planteamiento de distribuciones como la F de Fisher y la t de
Student, las cuales se derivan de una distribucin normal tal como sabemos.
Una forma ms compacta de las magnitudes anteriores viene dada por la siguiente
expresin:
[
( ) 2 (X X ) 1 ]
1
( ) / k ~ F(k, n-k) (4.13)
90
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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:
Investigador A Investigador B
1 0.44 0.67
2 0.96 -0.15
3 -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 65 56 76
(X X ) 1A = 45 65 57 (X X ) 1B = 56 84 65
36 57 64 76 65 72
2 = 2.5 2 = 3.6
A 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 Inferencia Estadstica en el Modelo Lineal General
y se realiza el clculo correspondiente se ver que no se puede rechazar la hiptesis nula (el
clculo se deja al lector) en ninguno de los dos casos. Por otro lado si se plantea la siguiente
hiptesis:
1 0.5
Ho: 2 = 1
3 0.5
H1: al menos una de las anteriores no se cumple
La cual tiene un planteamiento ms realista se ver que tampoco se puede rechazar esta
hiptesis en ninguno de los dos casos. As, cada investigador podr comprobar que sus
resultados estn correctos. Sin embargo, los resultados indicaran que casi cualquier valor
planteado no podra ser rechazado lo cual no da mucha seguridad con respecto al ejercicio de
inferencia. La raz del problema radica en la amplia varianza de los resultados en cada caso.
Dado el tamao de esta vemos que casi cualquier valor plausible segn distintas teoras no
podra ser rechazado. De esta manera, los resultados son pobres y no conduciran a ninguna
conclusin con respecto a las distintas teoras alternativas que se estaran verificando. Por ello
es importante obtener estimadores eficientes a fin de poder realizar buenos ejercicios de
inferencia estadstica. Con una varianza muy grande el ejercicio carece de utilidad.
A manera de resumen se puede decir que la expresin (4.13) ser la que marque la pauta
para todas las pruebas que se plantearn ms adelante. La discusin anterior solamente ha
intentado aclarar la intuicin detrs de la realizacin de un ejercicio de inferencia estadstica.
1. La estimacin del modelo lineal a travs del algoritmo de mnimos cuadrados ordinarios
nos provee de estimados relativos a la muestra con que contamos. Estos estimados
reemplazan a en la expresin planteada.
2. El ser reemplazado por los valores supuestos como ciertos que se establecen al plantear
la hiptesis nula.
Los criterios que se seguirn para analizar los resultados son los siguientes:
92
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
Debe quedar claro que si la restriccin que se est analizando no puede ser rechazada ello
quiere decir que debe ser incorporada al modelo.
Ho : i = i0
H1 : i i0
El primer paso para poder hallar una expresin que permita analizar esta hiptesis es
conocer la funcin de distribucin de la variable aleatoria a analizar. En este caso, la variable
aleatoria es el estimador del parmetro individual i.
~ N k (, 2 (X X) 1 ) (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 Inferencia Estadstica en el Modelo Lineal General
( i i0 )
~ N(0,1) (4.16)
a ii
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 i i0
= ~ t (n k ) (4.17)
(n k ) 2 a ii
2 (n k )
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.
Las pruebas que se han analizado hasta el momento implican restricciones relativamente
sencillas. En la mayora de los casos, las hiptesis se han referido a ciertos valores para cada
94
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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.
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.
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
H1 : Al menos una no se cumple
Estas tres hiptesis pueden plantearse por alguna teora en particular. La primera restriccin
indica la propiedad de homogeneidad de grado cero ya mencionada. La segunda indica que la
elasticidad precio y la cruzada son iguales. Como sabemos, la elasticidad precio es casi siempre
negativa, si la elasticidad cruzada tiene el mismo valor y signo, entonces el bien relacionado
ser un complementario. Por ltimo, la tercera restriccin indica que el valor de la elasticidad
ingreso es igual a la demanda autnoma. Suponemos que la teora que est detrs de esta
demanda es la misma por lo que la validez de la misma implica que las tres restricciones se
10
En trminos de la jerga economtrica este modelo se conoce como un modelo doble logartmico
95
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
cumplen a la vez. El rechazo de cualquiera de ellas implica que la teora no sera vlida en el
contexto de nuestra muestra.
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 )
Si R tiene rango q entonces:
(
R ~ N q R, 2 R (X X ) 1 R )
entonces:
R ( ) ~ N q (0, 2 R (X X ) 1 R )
96
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
R r ~ N q (0, 2 R ( X X ) 1 R )
Ahora, dado que la distribucin est centrada en cero, si realizamos la siguiente operacin:
[
(R r ) 2 R (X X ) 1 R ]
1
(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 ]1
( R r )
q
~ F(q, n-k)
e e
(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 ]
1
(R r ) / q ~ F(q, n-k) (4.20)
Como en todas las pruebas anteriores si el Fcalc < Ftab no se puede rechazar la Ho . Por otro
lado, si Fcalc > Ftab no se puede rechazar la Ho.
Utilicemos un ejemplo que pueda ilustrar lo que se ha planteado. Vamos a corroborar las
hiptesis presentadas como introduccin a esta prueba. Se ha procedido a estimar un modelo y
se han obtenido los siguientes resultados:
Los valores que estn entre parntesis son las desviaciones estndar y los estadsticos t
calculados para las hiptesis nulas que los parmetros son cero.
97
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
2 = 0.8556
a partir de esto, el estadstico F es 36.20, lo cual es mayor al valor de tablas con 3 grados de
libertad en el numerador y 196 en el denominador (2.6). Por lo tanto no se puede aceptar la
hiptesis nula. La conclusin del ejercicio es que con un 95% de confianza los resultados de la
muestra no son consistentes con las restricciones que impone la teora del consumidor. Esto no
invalida la teora necesariamente sino que simplemente nos quiere decir que la teora no se
aplica a estos datos.
H o : 3 = 0.5
H 1 : 3 0.5
1
[0 0 1 0] 2 = 0.5
3
4
R = r
98
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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 ) (4.21)
Var ( 3 )
dado que Var ( 3 ) = 2 a 33 . Para los datos de nuestro ejemplo se obtiene lo siguiente:
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
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 0 1 . . 0
R = . . . . . .
. . . . . 0
0 0 0 0 0 1
99
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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 ]
n 1X 2
X X =
X 2 1 X 2 X 2
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) (4.22)
ee /(n k )
2 (X 2 M 0 X 2 ) 2 /(k 1)
~ F(k-1, n-k)
ee /(n k )
100
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
LnQ d = 1 +
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:
0.785 359.71 25.347 19.624 0.785
25.347 308.13 4.841 0.739 / 3
2 (X 2 M 0 X 2 ) 2 0.739
0.350 19.624 296.81 0.350
=
k 1 4.841
= 172
ee 1.145
nk
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.
H 0 : 2 = 02
H1 : 2 02
101
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
0 . 0 1 0 . . 0
. . . 0 1 . . 0
R = [O k d , I d ] = . . . . . . . .
. . . . . . 1 0
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 X1 X 2
X X = 1 1
X 2 X1 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.
( 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
( 2 02 ) (X 2 M1X 2 )( 2 02 ) / d
~ F(d, n-k) (4.24)
e e /( n k )
102
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
H o : 3 = 0.800
4 = 0.35
H1 : al menos una no se cumple
Con los datos que se tiene, el valor calculado del estadstico F sera:
( 2 02 )(X 2 M1X 2 )( 2 02 ) 0.739 0.8 306.3 3.45 0.739 0.8
0.35 + 0.35 3.45 295.7 0.35 + 0.35
d = = 0.65
ee 1.145
nk
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.
Sin embargo, podra existir otro camino que considere el siguiente ejercicio: estimar el
modelo inicial y compararlo con otro modelo en donde se hayan impuesto las restricciones que
se plantean en la hiptesis nula. As, se llamar al primero el modelo sin restringir y al segundo
el modelo restringido. Las magnitudes que se utilizarn para comparar ambos modelos sern
las sumas de residuos al cuadrado.
(SRR SRS) / q
~ F(q, n-k)
ee /(n k )
103
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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
2. [ ]
M1e = I n X1 (X1 X1 ) 1 X1 e = e . Los errores estimados son ortogonales a todas las
variables independientes incluidas en el modelo por lo que X1 e e igual a cero lo que
anula el segundo trmino de la multiplicacin y slo queda la matriz identidad que
multiplica a los errores estimados.
M 1Y = M 1 X 2 2 + e
104
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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
(4.27)
ee /(n k )
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.
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:
Yt = 1 + 2 X 2 t + 3 X 3t + 4 X 4 t + 5 X 5 t + t (4.28)
H o : 3 = 3
4 = 2
H1 : al menos una restriccin no se cumple
una estrategia conveniente sera estimar el modelo (4.28), el cual sera el modelo sin restringir.
A travs de la estimacin se obtiene la SRS. Para la estimacin del modelo restringido se tiene
que imponer las restricciones de la siguiente manera:
Yt 3X 3t 2X 4 t = 1 + 2 X 2 t + 5 X 5t + t
en este modelo las restricciones son impuestas y pasan a restar al lado derecho multiplicadas
por sus respectivas variables. A partir de este modelo se halla la SRR y se procede a la
construccin del test.
Sin embargo, se debe notar que esta estrategia es relativamente fcil cuando las hiptesis
son sencillas. Si las restricciones son combinaciones lineales de los parmetros una estrategia
factible es calcular el estadstico F de la primera forma. Cuando queremos trabajar con la
segunda alternativa (comparacin de las sumas de residuos al cuadrado) la estrategia sealada
lneas arriba no es tan sencilla. La estimacin del modelo restringido implica pasos ms
complicados que los reseados en nuestro ejemplo. La forma de resolver esta dificultad es
105
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
Para la formulacin del estimador MCO se minimizaron la suma de los errores al cuadrado
sin imponer ninguna restriccin. La lgica del estimador de mnimos cuadrados restringidos es
minimizar la suma de errores al cuadrado pero sujeto a una restriccin. Por lo tanto, la funcin
a minimizar quedara de la siguiente manera:
" = (Y X r )(Y X r ) 2 (R r r )
en este caso la funcin objetivo aumentada incluye las restricciones multiplicadas por la
expresin 2 que representa el vector de multiplicadores de Lagrange. El valor 2 que se
incluye se hace simplemente con fines de hacer ms sencillos los clculos en cuyo caso la
interpretacin de los multiplicadores de Lagrange se modifica ligeramente. Se considera la
transpuesta del vector de los multiplicadores de Lagrange debido a que el criterio a minimizar
es un escalar.
"
= 2 X Y + 2 X X r 2 R = 0
r
"
= 2( R r r ) = 0
(X X) r X Y R = 0 (i)
R r r = 0 (ii)
R r R (X X) 1 X Y R (X X ) 1 R = 0
r R = R (X X ) 1 R
[
= R (X X ) 1 R ] 1
( r R )
106
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
[
(X X) r X Y R R (X X) 1 R ]
1
(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
[ 1
]
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.
H 0 : 2 + 3 + 4 = 0
2 = 4
3 = 1
H1 : Al menos una no se cumple
107
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
Dados los resultados que ya se conocen los valores restringidos estimados seran:
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:
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.
TRICOso
T ScSir
Variable dependiente: Ln Qd
Regresores: LnPx LnI, LnPy
Nmero de observaciones: 200
Estimacin por MCO
108
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
La cuarta columna es la que interesa en esta seccin del libro. En ella se presentan los
valores calculados de los estadsticos t donde la hiptesis nula es que cada uno de los
parmetros es igual a cero. Por ello los valores t calculados para cada parmetro son la divisin
de los respectivos valores de la segunda y tercera columna. Se recuerda que la prueba
individual de significacin estadstica para un parmetro es justamente el valor del parmetro
calculado dividido por la desviacin estndar calculada y ello es lo que se obtiene en la cuarta
columna.
La quinta columna presenta una probabilidad. Esta debe interpretarse como la probabilidad
de que la hiptesis nula sea aceptada con los datos que tenemos. Al escoger el nivel de
significacin estadstica estamos escogiendo el punto de quiebre. Si se escoge el = 5% , ello
quiere decir que si la probabilidad de que la hiptesis nula sea cierta es mayor al 5% no
podemos rechazar la hiptesis nula. Por el mismo razonamiento, si la probabilidad es menor al
5% ello quiere decir que no podemos aceptar la hiptesis nula. En el caso presentado se observa
que las probabilidades son iguales a cero, por lo que la conclusin es que con un nivel de
confianza de 5% los parmetros estimados son diferentes de cero, por lo cual debemos
mantener las variables dentro del modelo.
Usualmente lo que se realiza es una comparacin entre el valor calculado y el valor de tabla.
Si el valor calculado es mayor al valor de tabla no se puede aceptar la hiptesis nula y
viceversa. Lo que hace el programa es realizar la comparacin en trminos de las
probabilidades de la distribucin relevante que en este caso es una distribucin t de Student.
As, como la distribucin t de Student es una distribucin simtrica y con media cero, lo que
hace el programa es calcular el estadstico t y halla la probabilidad de los valores mayores al
valor calculado. Si la probabilidad es menor a 0.05, nos indica que el valor est muy alejado de
la media y por tanto, la diferencia entre el valor calculado y el valor de tabla es alto y no se
podr aceptar la hiptesis nula. Por el contrario, si la probabilidad es mayor a 0.05, ello nos
seala que el valor calculado no est tan alejado de la media y se entender que proviene de
dicha distribucin. Por ello se dice que no se puede rechazar la hiptesis nula. En conclusin, si
la probabilidad es menor a 0.05, nuestro estadstico calculado cae en lo que usualmente se
denomina zona de rechazo y si la probabilidad es mayor a 0.05 se dir que cae en la llamada
zona de aceptacin11
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 Inferencia Estadstica en el Modelo Lineal General
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.
Una hiptesis que se plante a lo largo del captulo era la referida a la homogeneidad de
grado cero de la demanda. Ello implicaba verificar si la suma de las tres elasticidades era igual
cero. El modelo estimado arroj valores de 0.855, 0.817 y 0.359 para las elasticidades precio,
ingreso y cruzada de la demanda respectivamente. La suma de las tres elasticidades estimadas
es de 0.397 para nuestro modelo. La conclusin que obtuvimos era que nuestros datos no
soportaban la implicacin de la homogeneidad de grado cero.
110
Econometra Moderna Inferencia Estadstica en el Modelo Lineal General
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).
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 Inferencia Estadstica en el Modelo Lineal General
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
En el modelo lineal clsico, donde el trmino de error satisface todas las condiciones de
Gauss-Markov, el criterio fundamental para la estimacin de los coeficientes consiste en
minimizar la suma de cuadrados del error. Este procedimiento, definido como Mnimos
Cuadrados Ordinarios, garantiza la obtencin de estimadores insesgados y eficientes. Sin
embargo, el criterio de mnimos cuadrados ordinarios es un criterio arbitrario que cumple con
un conjunto de propiedades deseables pero no es nico. En la prctica pueden existir tantos
estimadores como criterios puedan establecer diversas personas. El arte del planteamiento de un
estimador es hacerlo de tal manera que cumpla con la mayora de criterios esperados. Frente a
esto, cabe preguntarse si existe algn otro tipo de algoritmo que tambin nos provea de
estimadores eficientes y es en este punto, precisamente, donde podemos empezar a hablar de la
estimacin por mxima verosimilitud. Este tipo de estimacin, partiendo de una correcta
especificacin y el cumplimiento de ciertas condiciones, garantiza la obtencin de estimadores
asintticamente insesgados, eficientes y consistentes.
se calcula a partir de una funcin de probabilidad especfica por lo que es crucial partir
tomando en cuenta una de ellas.
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 :
1 (1/ 2 )( x )2
f (x / ) = 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:
1 (1/ 2 )( x1 )2
L ( / x1 ) = 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:
(x1 - ) + (x2 - ) = 0
por lo que el estimador de mxima verosimilitud de vendra dado por (1/2)(x1 +x2). Resulta
sencillo generalizar este resultado para el caso de n observaciones (x1,x2,...xn), donde el
estimador de mxima verosimilitud vendra dado por la media de la muestra, coincidiendo, por
tanto, con el estimador por mnimos cuadrados ordinarios (la analoga entre el estimador de
mxima verosimilitud y el estimador MCO ser demostrada ms adelante). Para verificar esto,
regresemos al ejemplo de dos observaciones (x1, x2), donde el estimador de mxima
verosimilitud de corresponde a la media de ambas observaciones. Grficamente:
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
SE 2
= 2( x1 ! ) 2( x 2 ! ) = 0
!
2! x1 x 2 = 0
! = 2 ( x1 + x 2 )
1
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:
D (1 ) n D
n!
P=
D !(n D)!
116
Econometra Moderna Mxima Verosimilitud
probabilidad
0.1 0.01116026
0.2 0.08808038
0.3 0.20012095
0.4 0.25082266
0.5 0.20507813
0.6 0.11147674
0.7 0.03675691
0.8 0.00550502
0.9 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 :
P n! n!
= D ! D 1 (1 ! ) n D (n D) ! D (1 ! ) n D 1 = 0
!
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
Ahora que ya tenemos una idea ms concreta de lo que significa el principio de mxima
verosimilitud, estamos en condiciones de generalizar su planteamiento para luego centrarnos en
las propiedades de este tipo de estimadores.
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
Tal como se indic en el primer ejemplo, resulta ms conveniente trabajar con el logaritmo
de la funcin de verosimilitud el cual se reduce a:
n
log[ L()] = log[ P( X i / )]
i =1
Dentro del enfoque de mxima verosimilitud analizado lneas arriba, existen dos matrices
particularmente importantes que es relevante analizar. Estas matrices nos dan informacin
valiosa que es muy importante incorporar en el estudio de los estimadores de mxima
verosimiltitud. La primera de ellas se conoce como el score eficiente y se define como:
log L()
= S () = g ()
118
Econometra Moderna Mxima Verosimilitud
La segunda matriz se conoce como la matriz de informacin y viene dada por la esperanza
del negativo de la segunda derivada de la funcin log-verosmil respecto al parmetro:
2 log L()
E = E [ H ()] = I ()
'
[ ]
1
Var (! MV ) = I (! )
1
Var (! )
log L()
2
E
2
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.
1
1 1 2 u 'u
f ( u) = e 2 u
(2 ) ( u )
n/2 2 n/2
1
1 1 2 ( y x )'( y x )
2 u
L(, 2
u / y, x ) = e
(2 ) ( u )
n/2 2 n/2
n n 1
log L (, 2 u ) = log 2 log 2 u ( y x )' ( y x )
2 2 2 2 u
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
u
2
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
E (! 2 MV ) = E MICO = u
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.
log L 1
= 2 [2 x '( y x)]
2 u
log L n 1
= 2 + 4 ( y x)' ( y x)
u
2
2 u 2 u
2 log L 1
= 2 x' x
' u
2 log L n 1
= 6 ( y x)' ( y x)
( ) 2 u u
2 4
2u
2 log L 1
= 4 ( x ' y x ' x )
u 2
2 u
121
Econometra Moderna Mxima Verosimilitud
2 log L 1
E = 2 x' x
' u
2
log L n 1
E = 4 + 6 E (u' u)
( ) 2 u u
2
2u
n n
= 4 + 6 2u
2 u u
n
=
2 4 u
2 log L 1
E 2
= E[ x '( x + u) x ' x]
u 2 u
4
1
= ( x ' x x ' x )
2 4 u
=0
1
u ( x ' x ) 0
2
1
I 2 = 2 4 u
u 0
n
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:
u!' u!
! 2 u =
nk
y que:
u!' u!
2 ( n k )
2u
se tiene:
2u 2
! 2 u (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
4u
Var (! 2 u ) = 2( n k )
(n k ) 2
2 4 u
=
(n k )
Una de las ventajas de la estimacin por mxima verosimilitud es que resulta bastante
atractiva debido principalmente a lo general de su planteamiento y a sus propiedades
asintticas. Si suponemos que se cumplen las condiciones de regularidad (las que sern
enumeradas ms adelante) podemos verificar las siguientes propiedades asintticas:
Estas propiedades tornan atractivo este tipo de estimadores especialmente para el anlisis
de muestras grandes. Con el fin de explorar ms a fondo las propiedades enunciadas
anteriormente, resulta necesario considerar algunas caractersticas de la funcin de densidad
P(Xi,) (L(Xi ) si lo consideramos desde la perspectiva de mxima verosimilitud, ambas sern
utilizadas indistintamente). Para la definicin de dichas caracterticas se requiere el
cumplimiento de ciertas condiciones conocidas como las condiciones de regularidad:
R1. Las primeras tres derivadas de logL(Xi,) con respecto a son finitas para casi todo X y .
Esto garantiza la posibilidad de realizar aproximaciones a travs de series de Taylor y la
existencia de una varianza finita para logL.
3 LogL( X i , )
R3. Para todos los valores de , es menor a una funcin con esperanza
j k l
finita. Esta condicin permite truncar la serie de Taylor.
123
Econometra Moderna Mxima Verosimilitud
LogL( X i , ) 2 LogL( X i , )
C1. LogL( X i , ), S ( ) = , 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.
C2. E(S()i) = 0
U ( )
L() P( X / )dx = 1
U ( )
L( ) P( X / )dx U ( ) P ( X / ) U ( ) L ( )
= L( )
dx + P(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
regularidad (R2) tenemos que:
P( X , )dx P ( X , )
=
dx
log P( X , )
=
P( X , ) dx
log P( X , )
= E
=0
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:
P ( X , ) log P( X , )
= P( X , )
' '
n
log[ L()] = log[ P( X i / )]
i =1
por tanto1:
log L n
=g= gi
i =1
log L
2 n
= H = Hi
' i =1
log L
E = E[g ] = 0
n n
i =1
i =1
Ahora, considerando que E[ gg '] = E gi g i ' = E ( Hi ) = E[ H ] se tiene que:
1
Debe notarse que en este resultado se llamar g al score eficiente.
125
Econometra Moderna Mxima Verosimilitud
log L 2 log L
Var = Var ( g ) = E = E( H)
'
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:
n ( ! ) = [ H ( )]
1
[ ]
ng ( )
1
2
n [H ( )]
1
[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:
(
n !
)
d
[ H ()]
1
[ ng () ]
Ahora, dividiendo H() y g() entre n tenemos:
( ) [ ] [ ng ]
1
n !
H ()
d 1
n
2
Para una demostracin formal de esta propiedad puede consultarse Cramr,H.
Mathematical Methods of Statistics, Princeton University Press,1948.
3
Debe mencionarse que el plim de un variable aleatoria se refiere al lmite en probabilidad definido como:
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
y, por lo tanto:
(
n !
d
)
N 0,{ E [ H ()]}[1
]
lo que da la distribucin asinttica del estimador de mxima verosimilitud:
!
d
[
N , {I ()}
1
]
Queda pendiente an verificar la cuarta propiedad referida a la invarianza del estimador de
mxima verosimilitud. Esta propiedad, sin embargo, es un resultado matemtico del mtodo
utilizado en la estimacin por mxima verosimilitud y no representa un resultado estadstico en
si. Especficamente, este resultado puede resultar de gran utilidad para el investigador ya que,
por ejemplo, si la funcin de verosimilitud contiene un parmetro de la forma 1/j, usualmente
resulta til trabajar con una reparametrizacin del modelo en trminos de j = 1/ j. Para ilustrar
esta propiedad consideremos la estimacin por mxima verosimilitud de la media y varianza de
una muestra obtenida de una distribucin normal. La funcin log-verosmil en este caso vendra
dada por:
n n 1 n ( x )
log L( , 2 ) = log(2 ) log 2 i 2
2 2 2 i =1
4
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:
n ( xn )
d
N (0, Q)
donde
1 n
xn = xi
n i =1
127
Econometra Moderna Mxima Verosimilitud
log L 1 n
= 2
( xi ) = 0
i =1
log L n 1 n
2
= 2 + 4
2 2
( xi ) 2 = 0
i =1
1 n
! = xi = x
n i =1
1 n
! 2 =
n i =1
( xi x ) 2
n n 1 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:
log L( , 2 ) 1 n n
2
= 2 ( xi ) = 0
2
2 i =1
n 1
! 2 = =
n ! 2
( xi ! ) 2
i =1
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.
La prueba del ratio de verosimilitud (RV) es la ms antigua de los tres procedimientos que
analizaremos en esta seccin y tuvo su origen en los trabajos de Neyman y Pearson (1928). Se
basa en la comparacin del valor de la funcin de verosimilitud evaluada en el estimado sin
[ ]
restringir (! ) y en el estimado restringido r / f () = 0 . Segn esto, resulta claro que:
L( ) r
RV = <1
L(! )
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 !
log[ L()] = log L(! ) + (! )
+
2
( )'
'
( )
Evidentemente, evaluada en !
6
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
[
2 log( RV ) = 2 log L(! ) log L( r ) ]
Combinando los resultados anteriores y reemplazando el parmetro desconocido de la
expansin de Taylor por r tenemos que:
( )
n !
d
[
N 0, I () 1 ]
por lo tanto, (! )' I ()(! ) se distribuye 2(m), donde m es el nmero de restricciones.
Teniendo esto en mente y tomando en cuenta la ltima expresin derivada para el logaritmo del
ratio de verosimilitud podemos construir el estadstico de la forma:
[ ]
RVT = 2 log L(! ) log L( r ) 2 (m)
Para ilustrar la relacin entre los tres tests sugeridos lneas arriba Cuthbertson,Hall y Taylor
(1992) plantean el siguiente ejemplo. Supongamos que se prentende contrastar la siguiente
hiptesis acerca del parmetro escalar : H0: = 0 contra H1: 0. Tal como se discuti
130
Econometra Moderna Mxima Verosimilitud
Con la intuicin detrs de la derivacin del test RV en mente, pasemos ahora a analizar el
test de Wald, el cual utiliza nicamente la estimacin irrestricta. Este test estima la distancia
(1/2)RV desde el punto X, midiendo la distancia ( ! ) y calculando la posicin de P (o P
0 1 2
W = ( ! 0 ) 2 R ( ! )
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 ( ! )
[ ]{
W = g ( ) ' F ( I ( )) 1 F '} 1
g ( )
W = ! ( I (! )) 1 !
! 2
= 2 (1)
Var () !
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:
Ho : 2 + 3 + 4 = 0
2 1 + 4 = 3
H 1 : al menos una no se cumple
132
Econometra Moderna Mxima Verosimilitud
+ 3 + 4 = 0
g ( ) : 2
2 1 + 4 3 = 0
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:
Aqu se han tomado con dos decimales los resultados obtenidos de la siguiente estimacin:
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
0.464572
2.614359
[ ]{ }
W = g ( ) ' F ( I ( )) 1 F '
1
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.
La prueba del multiplicador de Lagrange (LM), sugerido por Aitchison y Silvey (1938), tal
como se indic anteriormente, est basado nicamente en la estimacin restringida del modelo.
Esta prueba tambin es conocida como la del score eficiente dado que se basa en la distribucin
asinttica de funcin del score.
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.
lo anterior no garantiza que dos funciones de verosimilitud no den el mismo valor para
[S( 0 )]2 , pero siempre una de las dos tendr un valor de 0 ms cercano al mximo. En este
sentido resulta conveniente ponderar [S( 0 ) ] por la curvatura de la funcin de verosimilitud.
2
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
[I ( 0 )]1 para obtener:
LM = [S ( 0 )] [ I ( 0 )]
2 1
134
Econometra Moderna Mxima Verosimilitud
LM = [S ( 0 )] [ I ( 0 )] [S ( 0 )] 2 (m)
' 1
La relacin entre los tres procedimientos descritos en esta seccin depende del grado en
que la segunda derivada sea capaz de proporcionar el valor de la funcin de verosimilitud en los
estimados restringidos y sin restringir. Si se busca contrastar una restriccin lineal, tal como la
que planteamos en el ejemplo previo, y la funcin de verosimilitud es cuadrtica, entonces la
segunda derivada proporciona un estimado perfecto de la forma global de la funcin. En este
caso, los tres estadsticos proporcionaran el mismo valor numrico (W = RV = LM). Sin
embargo, cuando la segunda derivada no es conocida la igualdad desaparece y se verifica que
W > RV > LM (Berndt y Savin (1977)).
Analicemos ahora un ejemplo adicional que ayude a entender la analoga e intuicin detrs
de los tres tests planteados. Consideremos nuevamente la estimacin por mxima verosimilitud
del parmetro y el contraste de la hiptesis H0:f() = 0.
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.
En la primera parte de este captulo se us un ejemplo y se habl que una de las formas de
realizar la estimacin era a travs de un proceso de tanteo. Este procedimiento es el que ms se
utiliza en la prctica. No siempre es posible obtener un estimador de forma analtica porque la
forma de las funciones de probabilidad conforme se utilizan formas funcionales ms complejas
y distribuciones multivariadas los clculos analticos no son de fcil resolucin y se requiere de
mtodos numricos de aproximacin para obtener los estimados de mxima verosimilitud.
Estos mtodos reciben en general el nombre de algoritmos de optimizacin. En general, son
pasos ordenados a seguir que se repiten hasta lograr satisfacer ciertos criterios.
Generalmente los problemas de optimizacin no lineal son resueltos por tcnicas iterativas.
Al tener una estimacin, una nueva estimacin es lograda por una regla dada, esta ltima
constituye un mejoramiento de la inicial. Si este procedimiento tiene xito, la estimacin final
satisfar todas las propiedades requeridas de la estimacin inicial. Las reglas de estos
procedimientos iterativos proveen las bases de la optimizacin no lineal particular.
Existe un rango amplio de algoritmos posibles. Ellos difieren en el empleo de las derivadas
parciales de la funcin; as, algunos requieren segundas derivadas, otros nicamente primeras
derivadas, y otros ms no las emplean. Los algoritmos basados en las primeras derivadas
ofrecen la opcin de calcular numricamente los parmetros.
136
Econometra Moderna Mxima Verosimilitud
Existen varios tipos de algoritmos de optimizacin que estn en funcin del problema a
resolver y de la complejidad de la funcin a optimizar. Entre los ms utilizados estn los de
descenso rpido (steepest descent), Newton-Raphson y el algoritmo del scoring. En verdad
existen muchas variedades de los mismos que estn diseados para resolver problemas de la
presencia de varios mximos o mnimos y otros problemas que pueden aparecer en la prctica.
Para ilustrar la lgica de estos algoritmos utilizaremos el algoritmo del scoring. Este se define
segn la siguiente frmula:
n = n 1 + [I (n 1 )] S (n 1 )
1
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. 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.
2. 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.
3. 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.
4. 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
El procedimiento normal al estimar una regresin bajo los supuestos del modelo lineal general
(MLG), conduce a la obtencin de coeficientes que representan estimados de los parmetros
poblacionales de la regresin. Al estimar una ecuacin de regresin mltiple y utilizarla para
predecir observaciones futuras que no pertenecen al espacio muestral que dio origen al coeficiente
estimado, se supone que los parmetros1 son constantes durante todo el periodo de estimacin y de
prediccin2. Por lo general se supone que las distintas realizaciones o submuestras que conforman
el espacio muestral total, son generadas por una misma estructura econmica. Sin embargo,
cuando se tiene sospecha o evidencia de la existencia de una variacin estructural del sistema
econmico subyacente en algn momento del periodo muestral, se aplican las pruebas de cambio
(o quiebre) estructural. De este modo, se verifica si dicha variacin es lo suficientemente
importante como para generar cambios en los coeficientes del modelo.
Tomando en cuenta lo anterior, se puede definir como cambio estructural a la variacin atpica del
conjunto de observaciones, generada por una innovacin o alteracin en la estructura econmica
bsica sobre la cual se sustenta la serie. Como se entiende, el concepto de cambio estructural est
ntimamente ligado a la nocin de estabilidad de parmetros ya que si se produce un quiebre, los
parmetros no sern constantes para todo el periodo muestral. En trminos ms prcticos, el cambio
estructural se genera en aquel perodo donde se detecta un quiebre pronunciado dentro de la
evolucin de la serie.
1
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.
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
Captulo 6: Quiebre Estructural
Tal como se puede notar, el rechazo de la hiptesis planteada de estabilidad de parmetros no slo
depende de la existencia de quiebre. Tambin se puede rechazar tal hiptesis cuando el modelo no
est bien especificado y tal deficiencia conduce a que los efectos sistemticos que no son recogidos
por el modelo afecten al intercepto o a las pendientes cuando se consideran diferentes submuestras.
Figura 6.1
Los ejemplos clsicos que se emplean para explicar el proceso de quiebre estructural con modelos
que incluyen series econmicas son las etapas de transicin entre pocas de guerra y de paz, de
auge y depresin, de desastres naturales, de procesos hiperinflacionarios, y otros fenmenos que
afecten significativamente a las variables empleadas en el modelo de regresin que se evala.
Econometra Moderna
EJEMPLO 6.1
PBI
PBI
0 0 0
0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000 0 1000 2000 3000 4000 5000
X X X
Figura 6.2
Captulo 6: Quiebre Estructural
EJEMPLO 6.2
Inflacin en el Per
1979-2000
180%
160%
140%
120%
100%
80%
60%
40%
20%
0%
-20%
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
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.
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.
Captulo 6: Quiebre Estructural
Ene 1979 - Mar 1988 Abr 1988 - Oct 1990 Nov 1990 - Dic 2000
0.20 0.20
1.5
0.15
0.15
1.0 0.10
INF
INF
INF
0.10
0.05
0.5
0.05
0.00
Figura 6.4
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:
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:
1 2 1 2
11 21 11 21
H0 : 12 = 22 H1 : 12 22
M M M M
1k 2 k 1k 2 k
Matricialmente:
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= k F( k , n1 + n2 2 k ) (6.1)
eu2
(n1 + n2 2k )
donde :
e 2
u = e 2
1 + e 2
2
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
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
e 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.
e 2
1 = suma de cuadrados residual para el primer subconjunto de datos.
e 2
2 = suma de cuadrados residual para el segundo subconjunto de datos.
En muchos casos, esta evaluacin se realiza para comprobar si al ampliar el tamao de muestra, las
nuevas observaciones suponen un cambio significativo con respecto al resto de la muestra. En estos
casos, el tamao del segundo subconjunto (n2) puede ser muy pequeo y ello hara imposible
estimar el segundo de los modelos por falta de grados de libertad (n2-k) sera negativo puesto que n2
es muy pequeo). En el caso extremo en que n2 = k, e 2
2 = 0 y por lo tanto, el estadstico quedara
de la forma:
( er2 e12 )
F= k (6.2)
e 2
1
(n1 k )
Esta expresin es vlida para el caso en el que n2 < k como se ver en el test predictivo.
Esta prueba es til cuando el tamao de muestra del segundo subconjunto es menor al nmero de
regresores ms uno (si k no incluye el intercepto), ya que bajo estas condiciones no es posible
realizar la regresin del segundo modelo (con n2 observaciones) y consecuentemente no se puede
obtener la suma de cuadrados residuales necesaria para realizar el test de la seccin anterior. Como
su nombre lo indica, la prueba inicia con la regresin del primer subconjunto de observaciones (de
n1 elementos) para luego realizar, y sobre la base de estos resultados, predicciones para las n2
observaciones del segundo subconjunto.
Una vez realizada la prediccin, se prueba la hiptesis de que los errores de prediccin tienen
media cero en cuyo caso se rechazara la presencia de un quiebre estructural. Dado que se espera
que los errores de prediccin tendrn un valor esperado nulo, se entiende que los valores predichos
para el segundo subgrupo se aproximarn en promedio a los reales, en cuyo caso, los estimadores
4
Gregory C. Chow 1960. Test of Equality between Sets of Coefficients in Two Linear Regressions Econometrica. Vol.
28, no. 3, pp 591 - 605.
Captulo 6: Quiebre Estructural
empleados para aproximar a la variable dependientes sern vlidos y estables durante todo el
periodo cubierto por la muestra total. En este sentido, el estadstico a evaluar ser el siguiente:
( e r2 e12 )
( n2 )
F= F n ,n k (6.3)
( 2 1 )
e12
(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.
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.
(1 2) N (0, V1 + V2)
Esta evaluacin es vlida slo para muestras grandes puesto que el estadstico de Wald requiere
como dato previo la matriz de covarianza para las perturbaciones de las regresiones ejecutadas para
cada submuestra, es decir, demanda como insumo a V1 + V2. Dado que en la prctica slo se cuenta
con los estimadores de tales parmetros resulta conveniente trabajar con muestras grandes ya que
en estos casos los resultados no se distorsionan significativamente si se emplean los estimadores en
lugar de V1 + V2.
Para muestras pequeas y moderadas, el test de Wald presenta alta probabilidad de arrojar
resultados con error tipo I, es decir, el frecuente rechazo de la hiptesis planteada de estabilidad
cuando en realidad sta es verdadera. Una forma de evitar el error es emplear valores crticos
mayores a los normales (recordemos que para rechazar la hiptesis nula el valor estadstico debe
ser mayor al valor tabular de modo que si el valor tabular o crtico aumenta, la probabilidad de
rechazar la hiptesis planteada se reduce).
5
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.
Captulo 6: Quiebre Estructural
EJEMPLO 6.5
Test Equation:
LS // Dependent Variable is RESID^2
Sample: 1 500
Included observations: 500
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.
Los tests que se presentan a continuacin estn basados en el empleo de residuos recursivos y
fueron propuestos por Brown, Durbin y Evans(1975). La estructura de estas pruebas sigue una
lgica similar al test predictivo para estabilidad pero no llegan a ser tan potentes como el test de
Chow original. Sin embargo, tienen la ventaja de no requerir la fecha en que se produce el quiebre
como insumo necesario para evaluar las hiptesis.
Econometra Moderna
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:
Note que se emplea minsculas para nombrar a las variables que involucran slo observaciones del
perodo t y maysculas para las mismas variables pero que incluyen las t-1 observaciones
anteriores.
et
wt = N (0, 2 ) (6.5)
1
1 + xt ' ( X t ' X t ) xt
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:
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
wr
Wt =
r = k +1
2
(6.6)
donde:
T T
(w r w)2 w r
=
2 r = k +1
y w= r = k +1
T 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-
Captulo 6: Quiebre Estructural
k)1/2] donde representa diversos valores de significancia6) entonces los coeficientes son estables
en el tiempo, pero si la grfica traspasa las bandas, se rechaza la hiptesis planteada y se reconoce
la existencia de un cambio estructural en el modelo para el perodo muestral.
Cabe destacar que la prueba se realiza trazando la grfica alrededor del eje de abscisas, es decir, se
espera que el estadstico CUSUM flucte alrededor del valor nulo. Si eso ocurre, la lnea
permanecer dentro de las bandas de confianza y se aceptar la estabilidad de parmetros, en otras
palabras, se acepta que la suma de residuos recursivos tiene esperanza nula.
60
40
20
-20
-40
-60
20 40 60 80 100 120 140 160 180 200
CUSUM 5% Significance
Figura 6.5
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:
w
r =k
2
r
St = T
(6.7)
w
r =k
2
r
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.
6
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.
Econometra Moderna
1.2
1.0
0.8
0.6
0.4
0.2
0.0
-0.2
20 40 60 80 100 120 140 160 180 200
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:
60 1.2
1.0
40
0.8
20
0.6
0
0.4
-20
0.2
-40 0.0
-60 -0.2
50 100 150 200 250 50 100 150 200 250
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).
Captulo 6: Quiebre Estructural
Existe un test propuesto por Harvey y Collier (1977) relacionado al uso de residuos recursivos para
evaluar la estabilidad y que se basa en la media muestral de tales residuos.
( T k )w
t= tT - k -1 (6.8)
s
donde:
r =T 2
2
(w
r = k +1
r w)
s =
T k 1
Como se puede inferir de la definicin, cada residuo recursivo es el error de una prediccin de una
etapa (es decir la discrepancia entre el valor estimado de la isima observacin predicho con las i -
1 observaciones anteriores). Tal error puede ser comparado con su desviacin estndar bajo la
hiptesis nula con el propsito de evaluar si el valor de la variable dependiente en el periodo t ha
provenido del modelo estimado empleando todas las observaciones hasta ese punto.
En la figura 6.8, se traza los residuos recursivos y los errores estndares en la parte superior, y en la
parte inferior, se muestran los valores de las probabilidades para aquellos puntos muestrales en los
cuales la hiptesis de estabilidad de coeficientes se rechazara a niveles de 0, 5, 10 y 15% de riesgo.
Tal como se ve, en el periodo 280 existe una acumulacin de puntos bien marcada y con niveles de
confianza muy altos (casi 0% de riesgo).
500
-500
-1000
0.00
-1500
0.05
0.10
0.15
50 100 150 200 250 300 350 400 450 500
Figura 6.8
Econometra Moderna
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
-500
-1000
0.00
-1500
0.05
0.10
0.15
50 100 150 200 250 300 350 400 450 500
Figura 6.9
6 1.5
1.0
5
0.5
4 0.0
-0.5
3
-1.0
2 -1.5
20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200
Figura 6.10
Captulo 6: Quiebre Estructural
Esta prueba grfica permite trazar la evolucin de cualquier coeficiente a medida que la muestra
empleada para regresionar se ampla cada vez ms. El grfico muestra la evolucin del coeficiente
seleccionado para todas las posibles ecuaciones estimadas recursivamente. Si tal grfico muestra
variaciones significativas a medida que se va adicionando mayor cantidad de observaciones para
estimar las ecuaciones, entonces se tiene un argumento fuerte que indica la presencia de quiebre
estructural.
En general, los diversos tests alternativos propuestos para evaluar la estabilidad de los coeficientes
son menos potentes que el Test de Chow de anlisis de varianza. Sin embargo, ste tambin tiene
debilidades y no es aplicable en cualquier espacio muestral, a continuacin se citan tres crticas
referidas a estas pruebas:
1. A.L. Wilson8 afirma que si bien el test predictivo de estabilidad propuesto por Chow es
sugerido slo para el caso en el que el tamao de muestra del segundo subconjunto es menor
que el nmero de regresores (es decir, cuando no existen suficientes grados de libertad para
correr la regresin del segundo modelo)9, debera ser considerado tambin en el caso en el que
el tamao de muestra de tal subconjunto sea mayor al nmero de regresores. Esto debido a que
la prueba predictiva tiene propiedades deseables de potencia cuando existen algunos errores
desconocidos de especificacin.
2. Rea10 establece que no es posible considerar la prueba predictiva de Chow para evaluar
estabilidad en el caso de insuficiencia de grados de libertad. Afirma que lo nico que
demuestra este test es que el error de prediccin tiene media cero, es decir que las predicciones
son insesgadas. Si no existe cambio estructural, el error de prediccin tendr una media de
cero. Pero si el error de prediccin tiene media cero, no necesariamente se aceptar la
existencia de estabilidad de parmetros en el caso en que n2 < (k+1). En otras palabras, el error
de prediccin podr tener una media cero aun si los coeficientes son inestables si, por ejemplo,
los regresores tienen un comportamiento atpico. Rea concluye que no es posible afirmar a
partir de los resultados de los tests de Chow que los parmetros son estables, slo se puede
afirmar que no lo son. Es decir, no considera al test de Chow como una prueba de estabilidad
sino como una de insesgamiento en la prediccin. Rea considera que todo lo dicho es vlido
slo en el caso de la prueba predictiva aplicada cuando n2 < k+1, es decir si n1 y n2 son mayores
que k + 1, las dos pruebas de prediccin aplicadas sobre cada submuestra son de estabilidad.
3. Como se mencion anteriormente, surge un problema al realizar los tests de estabilidad cuando
existe heterocedasticidad. Si las varianzas del error de ambas muestras son distintas, entonces
las pruebas predictivas y de anlisis de varianza arrojan resultados imprecisos en el sentido de
que se subestiman los valores tabulares de los estadsticos y se tiende a caer en un error de tipo
I. Ante esta situacin se emplea el test de Wald explicado en la seccin II parte iii.
8
A.L.Wilson When is the Chow Test UMP? The American Statistician,Vol.32, No.2, mayo 1978, pp. 66-68.
9
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
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:
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.
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
Captulo 6: Quiebre Estructural
explicativas describen a la endgena, es muy posible que el problema desaparezca. Por otra parte,
otra estrategia para solucionar el problema de quiebre consiste en reducir el nmero de variables
puesto que alguna de ellas puede que origine inestabilidad en alguno de los periodos a la hora de
correr la regresin. Tal como se mencion, si la variable es irrelevante, el modelo ser mejorado,
pero si es relevante, los estimadores quedaran sesgados y se tendra que decidir entre la omisin de
la variable o la inestabilidad de los coeficientes. En este caso es recomendable convivir con el
quiebre puesto que se podra solucionar con introduccin de variables dummies. Adems, la
contribucin marginal de esa variable podra ser muy relevante para explicar el comportamiento
sistemtico de la variable endgena.
El procedimiento algebraico para solucionar el problema de series que presentan quiebre depender
si el cambio estructural es en media, tendencia o en ambas. Sin embargo, en todos los casos se har
uso de variables dummy o dicotmicas.
Dado que las variables dicotmicas pueden tomar slo dos valores (1 y 0), se deduce rpidamente
que tomar un valor para el subespacio anterior al quiebre y otro para el posterior. Es decir, adems
de las variables independientes originales del modelo, se incluyen las variables dummy como
explicativas adicionales. Precisamente, la funcin que tendrn ser la de explicar la presencia del
quiebre.
Como se sabe, el test ms potente para detectar la deteccin de la existencia de cambio estructural
es el test de Chow, prueba que requiere como insumo la fecha en que se sospecha se genera el
quiebre. Por lo tanto, una vez hecha la prueba y tras haber rechazado la hiptesis nula de
estabilidad de los coeficientes, se conocer cundo se produce el cambio estructural en las series.
Con esta informacin se podr solucionar el problema incorporando variables dummy.
i) Cambio en Intercepto:
En este caso, el procedimiento para la correccin consiste en introducir una dummy aditiva al
modelo, la que tomar valores nulos para el perodo anterior al quiebre y valores unitarios a partir
de l. Resulta redundante comprobar la significancia estadstica del coeficiente de la dummy ya que
se verific la existencia de quiebre con el test de estabilidad.
Figura 6.11
Econometra Moderna
= 1 t = tquiebre+1, ...., T
reordenando:
Y = ( + d ) + 1 x1 + 2 x 2 + ... + k x k +
1 0 x11 L x k1
1 0 x12 L x k 2
M M M O M
1 0 x1t quiebre L x ktquiebre
Y= +
1 1 x1tquiebre +1 L x ktquiebre +1 1
M
M M M O M
1 1 x1,n 1 L x k , n 1 k
1 1 x1n 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.
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.
=1 t = tquiebre+1, ...., T
reordenando:
Y = + (1 + d)x1 +
1 x11 0
1 x12 0
M M M
y=
1 x1, tquiebre 0 +
1 x1, t +1 x 1, tquiebre +1 1
quiebre
M M M
1 x x 1,n 1
1,n 1
1 x 1n x1n
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.
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 + + 1d1x1 + 2d2x2 + 3d3x3 modelo con dummy
=1 t = tquiebre+1, ...., T
y reordenando:
1 0 0 0 x11 x 21 x31 L x k 1
1 0 0 0 x12 x 22 x31 L x k 2 1
1 M 0 0 2
1 x1,tquiebre 0 0 3
1 x1,t +1 M 0 1
quiebre
1 x 2,t quiebre 0 2
Y=
M +
x 2 ,tquiebre +1 0 M M M O M 3
1 M M
1 M x3,t quiebre M
1 x3,t quiebre +1
1 M
1 x1n x2 n x3 n x1n x2 n 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.
La solucin en este caso es una fusin de las dos secciones anteriores. As, para el caso bivariado,
se tiene lo siguiente:
=1 t = tquiebre+1, ...., T
reordenando:
Y = (+ 2 d2) + (1 + d)x1 +
Captulo 6: Quiebre Estructural
Los efectos de la inclusin de estas variables dummy pueden verificarse, nuevamente, a travs de
un grfico:
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 0 0 x11
1 0 0 x12
M M M M
1 0 0 x1,t quiebre
Y= +
1 1 x1,t quiebre +1 x1,tquiebre +1
2
M M M M
1
1 1 x1, n 1 x1,n 1
1 1 x1n x1n
7.1. INTRODUCCIN
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.
1
Ver la introduccin del cuarto captulo.
2
Pyndick Robert S. and Rubinfield Daniel L. (1991), Econometric models and economic forecast. Captulo 8, p. 180.
EE.UU.
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.
Yt = 0 + 1Yt 1 + 2Yt 2 + .... + p Yt p + t AR(p)
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
3
Vase el Captulo de Series de tiempo estacionarias.
4
En la seccin 6.4 del Captulo de Cambio Estructural, se mostr los problemas que ocasionan una mala
especificacin.
5
Ver la seccin 2 del Captulo 6.
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) Prediccin por intervalos. Si queremos tener mayor informacin acerca de la distribucin
condicional un elemento importante es conocer la varianza. Esta magnitud nos permite
tener un idea de la dispersin que presenta la variable dependiente. Si tomamos en cuenta
la varianza, sabemos que dentro de un rango que tiene como centro la media, podremos
encontrar un determinado porcentaje de las observaciones6. Un ejemplo de este tipo de
pronstico sera decir que la inflacin estar en valores desde 0.15% hasta 0.36% mensual
para el ao prximo.
b) Predicciones condicionales. En este caso, los valores de las variables independientes para
los perodos en los cuales se va a realizar el ejercicio de prediccin, no se conocen con
certeza y por tanto deben ser estimados.
c) Predicciones exante. Son las predicciones ms all del periodo de estimacin y son
hechas usando variables explicativas que pueden o no ser conocidas con certeza. Ntese que
este tipo de predicciones puede ser condicional o incondicional, dependiendo de la
informacin muestral con la que se cuente.
El grfico de la siguiente pgina puede ser til para ilustrar la diferencia entre los dos
ltimos tipos de pronsticos presentados. Si apreciamos el eje horizontal que representa el
tiempo, veremos que el perodo T es aquel que denota la informacin muestral con que
contamos. La t minscula indica la porcin de informacin muestral que utilizamos para estimar
un modelo. La diferencia entre t y T es lo que se llama muestra de validacin y dichas
observaciones se utilizan para realizar la prediccin ex-post. El procedimiento es el siguiente:
6
Por ejemplo, si consideramos una distribucin normal en un intervalo que tiene como centro la media 2
desviaciones estndar generalmente encontraremos el 95% de las observaciones.
175
Econometra Moderna Prediccin
Pronstico Pronstico
Ex - post Ex - ante
Tiempo
t T
Ejemplo 7.1
Yt = 0 + 1 K t 3 + 0 Lt 2 + t
donde la produccin (Yt) depende de los valores rezagados del capital (Kt) y del trabajo (Lt).
Por otro lado, se observa que con este modelo se pueden pronosticar los valores futuros de la
produccin para los perodos siguientes que deseemos.
Sin embargo, debemos tener en cuenta que dentro de las predicciones posibles de hacer con
este modelo tendremos una gran variedad. As las predicciones de y t +1 e y t + 2 sern
predicciones ex ante pero incondicionales debido a que los rezagos de K y L son aquellos que
explican el valor actual de y. Hasta el periodo t+2 los valores que explicarn a la variable
dependiente sern k t 1 y Lt que son valores conocidos en el periodo t. Cuando pasemos al
periodo t+3 el valor de K seguir siendo conocido pero el de L tendr que estimarse. Por ello se
podr decir que la prediccin ex ante a partir del periodo t+3 ser condicional.
Para evaluar una prediccin es preciso contar con un criterio de evaluacin tal que haga que
las predicciones seleccionadas sean confiables. Por tal motivo, es conveniente introducir el
concepto de error de prediccin.
176
Econometra Moderna Prediccin
diferencia que existe entre el valor futuro pronosticado de la variable endgena y su valor futuro
observado7.
Tomando en cuenta los conceptos anteriores, es necesario y til conocer el origen del error
de pronstico. Este puede surgir de cuatro fuentes:
b) Los valores estimados de los parmetros son variables aleatorias que pueden fluctuar. Por lo
tanto, puede existir error en la estimacin del vector ( ).
En las siguientes lneas, se analizar cul es la mejor prediccin y las propiedades que
presenta el error de pronstico para diferentes casos.
Notemos que, es importante construir modelos que pueden utilizarse para generar
predicciones incondicionales. Su importancia radica en que, de ese modo, se elimina una fuente
del error de pronstico cuando se construyen modelos condicionales. A continuacin, se
analizar un modelo de regresin bivariado que cumple con los supuestos de una prediccin
incondicional.
Yt = + X t + t 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
Formalmente: et +1 = (Yt +1 Yt +1 ) .
8
El mejor pronstico sera: Yt + 1 = + X t + 1
177
Econometra Moderna Prediccin
Yt +1 = E( Yt +1 ) = + X t +1 (7.1)
et +1 = Yt +1 Yt +1 = t +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)
Varianza :
e2 = E (et +1 ) 2 = E ( t +1 ) 2 = 2 (7.4)
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.
Si t N (0, 2 )
Yt +1 Yt +1
= N (0,1) (7.5)
Yt +1 Yt +1
Prob ( 0.025 0.025 ) = 0.95 (7.6)
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
Las bandas de confianza, para un 95% de confianza, de una
prediccin donde se conocen los valores de los parmetros.
Sin embargo, se debe tener mucho cuidado antes de descartar un modelo economtrico por el
hecho de arrojar una "mala prediccin". El lector se preguntar por qu? la respuesta es simple,
basta recordar que el rechazo9 de una hiptesis nula no implica que la teora subyacente est
errada. Para afirmar lo anterior, se debe realizar muchas pruebas y acumular mucha evidencia en
contra. En el mismo sentido, vale decir que para concluir que un modelo no es satisfactorio y
sus pronsticos no son fiables, el investigador deber efectuar repetidas observaciones y ms de
una prueba estadstica.
Observaciones
9
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 Prediccin
Partamos de un modelo lineal simple y supongamos que se dispone de series temporales para
X t y Yt (t = 1, 2, 3,.........T). En este caso, no conocemos el modelo verdadero y por ello se
estiman los parmetros mediante las tcnicas mnimo cuadrticas descritas en el Captulo 2 y 3.
De modo que, si al investigador le interesa predecir el valor de Yt+1 asociado al valor de Xt+1 de
la manera ms verosmil posible, por ejemplo si Y es el saldo de la balanza de pagos y X
representa los pagos de la deuda externa, se podra predecir el saldo de la cuenta de capitales si
en el futuro el gobierno decide refinanciar sus deudas. As, el valor futuro de X t puede estar
dentro del recorrido de la muestra o, como es ms frecuente, podramos estar interesados en la
prediccin para un valor de X que est fuera del alcance de la muestra.
Recurdese que es posible realizar dos tipos de tareas predictivas o dos formas distintas de
prediccin. stas son: prediccin por puntos o prediccin por intervalos, de la misma forma que
podemos obtener un estimador para 12 puntual o por intervalos. Sin embargo, en la prctica
una prediccin por puntos no es tan confiable sin un indicador de su precisin, por ello es
necesario estimar el error de la prediccin. Por otro lado, en diversos textos de econometra, la
prediccin puntual es tambin llamada individual, pues interesa en predecir un valor individual
de la regresin (Y) correspondiente a Xt+1.
De esta manera, luego de estimar la ecuacin de regresin por MCO, el siguiente objetivo
consiste en obtener la mejor prediccin de Y correspondiente al valor de Xt+113. Formalmente:
Yt +1 = + X t +1 (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.
et +1 = Yt +1 Yt +1
12
Este parmetro es el que se incluye en la regresin de Y sobre X, del modelo terico ( Y = X + ).
13
Recordemos que en el segundo captulo vimos que el mejor estimador resulta la media de la regresin.
180
Econometra Moderna Prediccin
= ( ) + ( )X t +1 t +1 (7.10)
i) 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 + + (7.12)
T ( X t +1 X )
2
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.
[
Var (et +1 ) = Var ( ) + ( ) X t +1 t +1 ]
= Var ( ) + X t2+1Var ( ) + 2Cov( , ) X t +1 + Var ( t +1 ) (7.13)
donde:
2 2
Var ( 1 ) = =
2
(X t X )
2
xt
X2 1
Var ( ) = 2 +
(X X )2 T
t
2
Cov( , ) = X
(Xt X )
2
X2 1 X t2+1 (2 X ) X t +1
Var (et +1 ) = 2 + + + 1
(X X ) 2 T (Xt X ) 2
(X t X )
2
t
1 (X t +1 X )
2
2f = 2 1 + + (7.14)
T (X X )2
t
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:
iii) Si la desviacin de Xt+1 con respecto a su media es reducida, la varianza del error de
prediccin es tambin reducida. Asimismo, se observa que cuando X t +1 = X , la
varianza del error de prediccin alcanza su valor mnimo.
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
N(0,1)
f
En la prctica el supuesto anterior no se da, lo cual implica que se debe estimar 2f . As, se
obtiene:
2f = 2 1 + +
1 (
X t +1 X
2
) (7.15)
T ( X t X )2
Yt +1 Yt +1
T(t-k)
f
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:
182
Econometra Moderna Prediccin
Figura 7.2
Ejemplo
Yt +1 = 36.569 + 0.847 X t +1
183
Econometra Moderna Prediccin
Yt +1 = + X t +1
E (Yt +1 ) = E ( ) + E ( ) X t +1
= + X t +1
esto se cumple porque los estimadores son insesgados, dado a que han sido obtenidos por el
mtodo MCO. As, se obtiene un estimador insesgado de E (Yt +1 / X t +1 ) :
E (Yt +1 ) = E (Yt +1 / X t +1 ) = + X t +1
donde, utilizando las mismas formulas que en el segundo caso16, se tiene el siguiente resultado:
1 (X
t +1 X )
2
Var( Yt +1 ) = f = 2 + (7.18)
T ( X X )2
t
Yt +1 ( + X t +1 )
T (t k )
f
Se puede utilizar un intervalo de confianza del 95%, como en el caso anterior, para
aproximar el valor de E(Yt+1/Xt+1):
[ ]
Prob + X t + 1 t 0.025 f + X t + 1 + X t + 1 + t 0.025 f = 0.95
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:
o, en otros trminos:
Yt = + X t + t 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)
17
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)
Insesgamiento18:
[ ]
E (et +1 ) = E ( ) + E ( X t +1 + t +1 ) X t +1 E ( t +1 ) = 0
1 ( X t +1 X ) +
2 2
2f = 2 1 + + + 2 2
(7.22)
T (X t X )
2
et +1 = ( ) + ( X t +1 X t +1 ) t +1
[
Var (et +1 ) = Var ( ) + Var ( X t +1 X t +1 ) + 2Cov ( )( X t +1 X t +1 ) ]
+ Var ( t + 1 )
(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 ( )
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:
[ ] [ ] [
Cov ( )( X t +1 X t +1 ) = Cov ( ) ( X t +1 X t +1 ) + X t +1Cov ( )( ) ]
= X t+1Cov( , ) (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:
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.
Recurdese que, uno de los test alternativos de residuos recursivos para evaluar la estabilidad
de parmetros en un modelo, visto en el Captulo 619, es el test de prediccin de una etapa
("One step forecast test"). El cual se abordar, con mayor detalle, en esta seccin.
As, el estadstico Chi- cuadrado para el anlisis de una etapa es una prueba de la estabilidad
de los parmetros, incluyendo a la varianza del error del modelo de regresin. Lo que hace este
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
Se sabe que toda prueba estadstica posee una hiptesis nula, la cual est sujeta a rechazo o
aceptacin. La hipotesis nula, para este test, indica que no ocurren cambios estructurales en
ningn parmetro durante la muestra (periodo de estimacin) y el periodo de prediccin ex post.
De modo que, en las siguientes lneas se denotar 1 al parmetro dentro de la muestra y a 2
como el parmetro fuera de ella. Un tratamiento similar tendrn las varianzas, formalmente:
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:
2 2(H )
Si
el modelo predice bien, por tanto se puede usar para prediccin ex ante.
2 2(H )
Si
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:
1 T+H 2
RECM= 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
et
t =T +1
EMA=
H
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:
1 T + H et
EPMA=
H t =T +1 Yt
1 T +H
(Yt Yt )
2
H t =T +1
U=
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
La expresin que se utiliza para descompner la U de Theil proviene del error cuadrtico de
prediccin medio, el cual se puede escribir como:
( y y t ) / H = ( y y ) + ( y y ) 2 + 2 (1 r ) y y
2
t
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 t 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) Varianza (Variance proportion): indica la habilidad del pronstico para replicar la
variabilidad de la variable real observada. Si esta proporcin es grande significa que el
modelo posee menor capacidad para replicar el comportamiento de la serie. Esto se
computa a partir de la siguiente expresin:
( y y ) 2
( y t 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 t 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:
Yt +1 = + Yt
Yt + 2 = + Yt +1
ii) Static: en este caso se utilizan los valores reales de las variables
Yt +1 = 0 + 1Yt
Yt + 2 = 0 + 1Yt +1
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.
Ejemplo
Para aclarar estos conceptos se considera el siguiente ejemplo20 donde se busca demostrar la
capacidad predictiva de un modelo que incluye la variable dependiente: DEPEND, y los
regresores: INDEP1, INDEP2, INDEP3 y DEPEND(-1).
Con este propsito, se debe escoger una adecuada muestra de validacin (para una
prediccin expost) y un conjunto apropiado de estadsticos de eficiencia predictiva. Es decir, se
debe responder a la pregunta: Qu muestra de trabajo (perodo de estimacin), muestra de
validacin y estadsticos utilizara, de tal modo que optimice el atractivo de su modelo en
trminos de bondad predictiva?
20
Primera pregunta del Exmen Parcial del curso nformtica para Economistas de la Universidad del Pacfico.
191
Econometra Moderna Prediccin
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 (Jarque-
Bera)
192
Econometra Moderna Prediccin
20
Series: Residuals
Sample 2 200
Observations 199
15
Mean -2.56E-14
Median -0.504959
Maximum 44.16566
10
Minimum -48.35876
Std. Dev. 16.77665
Skewness 0.074088
5 Kurtosis 2.999243
Jarque-Bera 0.182058
Probability 0.912991
0
-50.0 -37.5 -25.0 -12.5 0.0 12.5 25.0 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:
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:
193
Econometra Moderna Prediccin
7 1.10
1.2 5
1.05
4
1.00
3
1.0 2
0.95
1
0 0.90
20 40 60 80 100 120 140 160 180 200 20 40 60 80 100 120 140 160 180 200
0.8 Recursive C(1) Estimates 2 S.E. Recursive C(2) Estimates 2 S.E.
15 0.34
0.6 10
0.32
0.30
5 0.28
0.26
0.4 0 0.24
0.22
-5
0.20
0.2 -10
20 40 60 80 100 120 140 160 180 200
0.18
20 40 60 80 100 120 140 160 180 200
0.0 1200
800
400
-0.2
20 40 60 80 100 120 140 160 180 200 0
-400
-800
CUSUMof Squares 5% Significance 20 40 60 80 100 120 140 160 180 200
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.
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.
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.
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.
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:
Por otro lado, el sesgo y la varianza son relativamente pequeos mientras que la covarianza
entre la variable observada y la predicha es grande. En otras palabras, estn altamente
correlacionadas, lo cual es favorable para la prediccin.
195
Econometra Moderna Prediccin
Al correr el programa y observar la tabla TABLA vemos que la mejor U de Theil as como el
menor error cuadrtico medio corresponden a la muestra de validacin desde 164 a 200.
Donde:
Mejor # utheil = tiempo de la ltima observacin antes del primer momento de la muestra de
validacin con la menor U de Theil.
Mejor utheil = la menor U de Theil de las diferentes muestras de validacin evaluadas.
Mejor # ecm = tiempo de la ltima observacin antes del primer momento de la muestra de
validacin con el menor error cuadrtico medio.
Mejor ecm = el menor error cuadrtico medio de las diferentes muestras de validacin evaluadas.
ANEXO 7.1
'==============================================================
'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).
'==============================================================
' 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
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
El planteamiento del modelo lineal general asume que el trmino de error o perturbacin
cumple con las cuatro llamadas condiciones de Gauss - Markov. Suponiendo una ecuacin de
regresin de la forma:
y = + x + u (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.
E ( ) = 2 donde I n
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.
Antes de iniciar cualquier planteamiento general que intente incluir los efectos mencionados
lneas arriba conviene analizar cules son los efectos de la estructura de varianzas y covarianzas
de los errores que hemos planteado sobre las propiedades del estimador de mnimos cuadrados
ordinarios. Para esto estudiaremos las propiedades de insesgamiento y eficiencia de este
estimador.
El modelo que utilizaremos para analizar estos efectos ser el lineal general:
Y = X + (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
]
1 1
= ( X X ) X E ( ) X ( X X ) (8.6)
= 2 ( X X ) 1 X X ( X X ) 1
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.
Una manera de iniciar todo lo anterior implica premultiplicar el modelo original por una
matriz P de dimensiones n x n, de la forma:
PY = (PX) +PU
Y* = X* + U* (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:
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:
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:
mcg = (X * X * ) X * Y * = (X (V 1 ) V 1 X ) X (V 1 ) V 1Y
1 1
(8.11)
(
= X 1 X )1
X 1Y
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.
mcg = (X * X * ) X * Y * = (X * X * ) X * (X * + U ) = + (X * X * ) X * U
1 1 1
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:
Lo anterior se deriva del hecho que la transformacin efectuada restablece las condiciones de
Gauss Markov acerca de la ausencia de heterocedasticidad y de autocorrelacin. Una vez
restablecidas estas condiciones a travs de las transformaciones efectuadas a los datos, el
estimador que se obtiene de aplicar el criterio de mnimos cuadrados ordinarios al modelo con
las variables transformadas contar con las propiedades usuales.
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.
205
Econometra Moderna Perturbaciones no esfricas
En general, existen dos problemas principales al momento de trabajar con una muestra que
presenta un trmino de error heterocedstico. Ambos se refieren a los estimadores de los
parmetros de la ecuacin de regresin pero el primero est relacionado a su eficiencia mientras
que el segundo a su significancia estadstica.
Al momento de estimar los parmetros se busca que stos sean insesgados y ptimos.
Especficamente, la optimalidad de los estimadores depende de su varianza la cual deber ser
mnima. Si los trminos de error presentan un comportamiento homocedstico, la varianza de
los estimadores MCO ser la mnima de todos los posibles estimadores lineales insesgados. Por
el contrario, ante la presencia de heterocedasticidad, los estimadores de los parmetros no sern
eficientes, lo cual implica que se pueden calcular otros estimadores de menor varianza. En otras
palabras, para demostrar que un comportamiento heterocedstico del trmino de error conlleva a
la existencia de estimadores MCO no eficientes basta encontrar otro estimador que registre una
menor varianza.
Y = X +
en donde el vector de errores tiene esperanza igual a cero y le estructura de covarianzas tendra
el siguiente patrn:
12 0 . . . . 0
0 22 .
. . .
E ( ) = . . . (8.13)
. . .
. n21 0
0 . . . . 0 n2
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 . . . . 0
0 2 .
. . .
V = . . . (8.15)
. . .
. n 1 0
0 . . . . 0 n
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 . . . . 0
0 1/ 2 .
. . .
1
V = . . . (8.16)
. . .
. 1 / n 1 0
0 . . . . 0 1/ n
y1 /1 1/ 1 x 21 / 1 . . x k1 / 1
y / 2 1/ x k 2 / 2
2 2 x 22 / 2
. . . .
1 1
V Y = . V X = . . . (8.17)
. . . .
y n 1 / n 1 1 / n 1 x 2 n 1 / n 1 x kn 1 / n 1
y / n 1/ x 2n / n x kn / n
n n
1 /1
/ 2
2
.
1
V = . (8.18)
.
n 1 / n 1
/ n
n
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
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 i (8.19)
xi xi
2 2
2
(8.20)
V( ) =
( xi2 )
yi xi (8.21)
= + vi
zi zi
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 )
i i i i (8.22)
(x / z )
2
i i
2 (8.23)
V ( *) =
(x i / z i )
2
208
Econometra Moderna Perturbaciones no esfricas
menor varianza. Sustituyendo i2 = 2zi2 en la expresin para la varianza del estimador MCO
tenemos:
V( ) = 2 z 2
i (8.24)
( x ) i
2 2
Por lo que:
V( *) ( xi2 ) 2
=
V ( ) (x i
2
/z i
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.
2
La demostracin de ello queda como tarea al lector.
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.
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
yt = 1 + 2x2t +vt
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.
Dada la discusin anterior podemos agrupar en dos categoras las pruebas de heterocedasticidad:
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:
donde:
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
800000
RESID2
600000
400000
200000
0
0 20000 40000 60000 80000
CAPITAL
1200000
1000000
800000
RESID2
600000
400000
200000
0
0 5000 10000 15000 20000 25000
INGDISP
213
Econometra Moderna Perturbaciones no esfricas
grupo (
! 2 i ) y la varianza de los residuos para toda la muestra ( ! 2 ). A partir de esta
informacin se define una funcin de la forma:
k
= (! i ) n i
/ ! n (8.25)
i =1
Ejemplo:
!"
Resultados:
(!
i =1
i ) ni
2.6581x10 +38 x 1.0397x10 +42 x 1.34249x10 +61 x 1.064910 +69
= =
! n 2.0341x10 +250
El valor calculado para el estadstico (182.79) result significamente mayor que el valor
tabular con 95% de confianza y 3 grados de libertad (7.815). Por tanto, rechazamos la hiptesis
nula de homocedasticidad. Esta prueba al agrupar los datos y verificar si las varianzas son
iguales entre los grupos lo que detecta es la presencia de heterocedasticidad pero no nos da una
forma explcita. Es una prueba de deteccin.
Este test supone que la varianza del trmino de error depende de los valores de alguna de las
variables explicativas. Si existe esta dependencia, el tamao de los residuos debera estar
214
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 2
rx , e = 1 (8.26)
n( n 2 1 )
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:
215
Econometra Moderna Perturbaciones no esfricas
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 XE Orden Buscar Di
x2 x4 1 4 3
x4 x3 2 1 1
x1 x1 3 3 0
x3 x2 4 2 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 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.
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.
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:
217
Econometra Moderna Perturbaciones no esfricas
!"
Resultados:
- m = 30
30
- SRC1 = ( yi y! i ) 2 = 12307.85
i =1
100
- SRC 2 = ( yi y! i ) 2 = 6698694.98
i = 71
- m = 30
30
- SRC1 = ( yi y! i ) 2 = 12307.85
i =1
100
- SRC 2 = ( yi y! i ) 2 = 6698694.98
i = 71
Los estadsticos obtenidos para ambas variables resultan similares debido a que las
ordenaciones planteadas segn cada una de ellas no mostraron ninguna diferencia significativa.
De esta forma, y para ambos casos, el estadstico calculado result mayor al valor tabular para la
distribucin F (28,28) de modo que se rechaza la hiptesis nula de homocedasticidad.
v) Prueba de Glejser
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.
Park utiliza la intuicin detrs de la prueba grfica para plantear una forma funcional que
explique el comportamiento de la varianza del trmino de error. Especficamente, supone la
existencia de una relacin entre la varianza del error y alguna de las variables explicativas. Este
planteamiento es similar al del test de Glejser slo que la forma funcional sugerida por Park
viene dada por:
i2 = 2xievi
Esta forma multiplicativa plantea que la varianza del error para cada observacin depende de
la varianza bajo el supuesto de homocedasticidad (la cual es constante), una de las variables
explicativas del modelo original y el valor e.
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
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
y definir el estadstico:
*' D 1 *
X 2
( p 1 ) (8.28)
4 . 935
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 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:
!"
Resultados:
Test Equation:
LS // Dependent Variable is RESID^2
Sample: 1896 1995
Included observations: 100
Debe mencionarse que esta prueba puede interpretarse como una prueba de mala especificacin
dado que si se detecta la presencia de heterocedasticidad y uno de los regresores resulta muy
significativo en la regresin auxiliar podra interpretarse como que dicha variable puede estar
faltando en la regresin de la media condicional. Por ello es deseable incluir tal variable en
dicha ecuacin a fin de corroborar que su significacin estadstica. Debe mencionarse que
cuando nos referimos a variables omitidas nos referimos a los cuadrados como a los productos
cruzados.
222
Econometra Moderna Perturbaciones no esfricas
Partiendo del supuesto de que la varianza del error no es constante para cada observacin,
resulta factible encontrar un vector de variables zt que explique el comportamiento de la
varianza.
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.
et 2
! 2 = n
SE
= (8.30)
2! 4
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:
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:
3 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 , donde el denominador vendra a ser T(Var (et2)).
(et 2 e t 2 ) 2
223
Econometra Moderna Perturbaciones no esfricas
SE SE
= = = TR 2
2! 4 2
Var (et )
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:
100
- SE = (e!i 2 ei 2 ) 2
= 1.856E+12
i =1
100
ei 2
- 2 = n
= 100415.975
i =1
SE
-= = 92.0346717
2 4
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
Las pruebas detalladas en la seccin anterior si caen dentro del grupo de las pruebas que
hemos denominado correctoras nos sugerirn la forma de la varianza y por tanto podremos
construir nuestra matriz y procederemos a realizar la estimacin por mnimos cuadrados
ponderados factibles lo que se lograr al ponderar cada observacin de la variable dependiente y
las respectivas variables independientes por la varianza relevante. Este es el procedimiento
general. Sin embargo, es pertinente revisar mtodos de correccin especficos diseados para
casos particulares.
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
Pi Pi
ci j Pi 0 + 1Yi + i
j
Ci j =1 j =1
= =
Pi Pi Pi
225
Econometra Moderna Perturbaciones no esfricas
Pi
j
i
Ci Y j =1
= 0 + 1 i +
Pi Pi Pi
0 = 0
1 = 1
Pi
j
i
j =1
ui=
Pi
Pi
Var ( i j )
1
Var (ui ) =
Pi 2 j =1
Pi
2
1
=
Pi 2 j =1
1
= 2
Pi 2
Pi
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.
1
P1
1
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:
226
Econometra Moderna Perturbaciones no esfricas
donde:
1
P1
1
V = P2
...
1
Pn
Pi
Pi i
j
j =1
u *i =
Pi
Pi
Pi
2
Var (u *i ) = Var ( i j )
P i j =1
Pi
Pi
=
Pi 2
2
j =1
2
Pi
= 2 =2
Pi 2
Ejemplo:
donde:
Ci
Ca i =
Pi
Y
Ya i = i
Pi
K
Ka i = i
Pi
P1 = 11, P2 = 12,...., P100 = 110
ci j = 0 + 1yi j + i j
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:
2
Var (u i ) =
Pi
LS // Dependent Variable is CA
Sample: 1 100
Included observations: 100
!"Comandos EViews:
GENR VAR1=RESID^2
228
Econometra Moderna Perturbaciones no esfricas
!"Comandos EViews:
QUICK - ESTIMATE EQUATION - OPTIONS - WEIGHTED LS/TSLS
Weight = POB1^(1/2)
LS // Dependent Variable is CA
Weighting series: POB^(1/2)
Sample: 1 100
Included observations: 100
Weighted Statistics
Unweighted Statistics
!"Comandos EViews:
GENR RESP=RESID*POB^(1/2)4
GENR VAR2=RESP^2
4
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 Perturbaciones no esfricas
Este problema se presenta usualmente al trabajar con modelos del tipo de corte transversal.
Supongamos que se quiere analizar la relacin existente entre el consumo y el ingreso para
distintas regiones del pas. Evidentemente, frente a distintos niveles de ingreso las respuestas de
los agentes (los niveles de consumo) sern distintos. Sin embargo, puede darse el caso que para
niveles similares de ingreso nos encontremos con distintos niveles de consumo, en otras
palabras, las respuestas de los agentes sern distintas debido a la presencia de conductas
heterogneas entre una regin y otra. En este caso, es precisamente la perturbacin la que
recoge el efecto de las conductas diferenciadas y es por tanto vlido suponer que para cada
submuestra el trmino de error pertenezca a una distribucin particular. Para ilustrar mejor este
caso, supongamos que se pretende estimar un modelo de corte transversal de la forma:
ci = 0 + 1yi + ui
donde:
ci = consumo de la regin i
yi = ingreso de la regin i
i = 1,2...n
donde:
Var(ui1) = 21
Var(uj2) = 22
U 2 1 I 1
Var (U ) = Var 1 = =W
U 2 2 I2
2
230
Econometra Moderna Perturbaciones no esfricas
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
! 2 1 I 1
W! =
! 2 I 2
2
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:
donde:
231
Econometra Moderna Perturbaciones no esfricas
!"Comandos EViews:
QUICK - ESTIMATE EQUATION
C1 c Y1 K1
VIEW - ACTUAL, FITTED, RESIDUAL - GRAPH
3
2
1
0
2
-1
1 -2
-3
0
-1
-2
20 40 60 80 100 120 140 160 180 200
donde:
Var(ui1) = 21
Var(uj2) = 22 (21 < 22)
232
Econometra Moderna Perturbaciones no esfricas
e1 ' e1
= 12
150 3
e2 ' e2
= 22
50 3
Para estimar la suma de cuadrados del error para cada submuestra es necesario realizar la
estimacin MCO de cada una de ellas.
!"Comandos EViews:
SMPL 1 150
QUICK - ESTIMATE EQUATION
C1 c Y1 K1
LS // Dependent Variable is C1
Sample: 1 150
Included observations: 150
e1 ' e1 13.68605
=
150 3 147
!"Comandos EViews:
GENR POND1=1/(13.68605/147)^(1/2)
GENR C1P=C1*POND1
GENR Y1P=Y1*POND1
GENR K1P=K1*POND1
!"Comandos EViews:
SMPL 151 200
QUICK - ESTIMATE EQUATION
C1 c Y1 K1
233
Econometra Moderna Perturbaciones no esfricas
LS // Dependent Variable is C1
Sample: 151 200
Included observations: 50
e2 ' e2 17.50534
=
50 3 47
!"Comandos EViews:
GENR POND2=1/(17.50534/47)^(1/2)
GENR C1P=C1*POND2
GENR Y1P=Y1*POND2
GENR K1P=Y1*POND2
Ahora, trabajando con el total de la muestra, se observa como la varianza de los errores ya no
presenta un comportamiento variable.
!"Comandos EViews:
SMPL 1 200
QUICK - ESTIMATE EQUATION
C1P c Y1P K1P
VIEW - ACTUAL, FITTED, RESIDUAL - GRAPH
234
Econometra Moderna Perturbaciones no esfricas
10
4 0
2 -5
0 -10
-2
-4
20 40 60 80 100 120 140 160 180 200
ci = 0 + 1yi + 2ki + ui
donde
ci = consumo de la familia i
yi = ingreso de la familia i
ki = dotacin de capital de la familia i
Al respecto la intuicin econmica nos indica que aquellas familias con mayores ingresos
presentarn una mayor variabilidad en sus decisiones de consumo dada la mayor renta
excedente con la que cuentan. En este sentido, cabe esperar que la varianza del trmino de error
se incremente segn el nivel de ingresos de las familias. Si la intuicin detrs de este
razonamiento es correcta, ser factible representar la varianza del error de la siguiente manera:
! 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.
235
Econometra Moderna Perturbaciones no esfricas
! 0 + ! 1 y1
! = ...
! + ! y
0 1 n
Ejemplo:
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
!"Comandos EViews:
VIEW - RESIDUAL TESTS - WHITE HETEROSKEDASTICITY
236
Econometra Moderna Perturbaciones no esfricas
Test Equation:
LS // Dependent Variable is RESID^2
Sample: 1 100
Included observations: 100
!"Comandos EViews:
GENR VAR1=RESID^2
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.
1 1
=
! i ! + ! 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
Weighted Statistics
Unweighted Statistics
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
Las dos correcciones planteadas anteriormente suponen que se tiene alguna idea de la forma
de la varianza y por tanto existe algn soporte para poder realizar la ponderacin . Sin embargo,
ese no es el caso que se presenta con mayor regularidad. En muchos casos no tenemos idea de la
forma de la varianza aunque hemos detectado la presencia de heterocedasticidad. Ello nos lleva
a pensar en la posibilidad de desarrollar una forma general de correccin que nos permita
corregir el problema de la ineficiencia del estimador.
Esta alternativa fue desarrollada por White (1980). El plantea una mtodo ms general para
la obtencin del estimador MCG y de su estructura de varianza-covarianza. White sugiere
realizar una serie de estimaciones puntuales a travs de MCO y utilizar los errores estimados
para construir la matriz . Especficamente, plantea estimar como la matriz diagonal que
contenga al i-simo error MCO como el elemento (i,i):
e1 2
2
=
e2
(8.32)
...
e m 2
Frente a esto, White propuso un estimador para la matriz de covarianzas que sea consistente
con la presencia de heterocedasticidad pero que no dependa de ninguna forma funcional
especfica para la estructura del problema. White demostr que:
239
Econometra Moderna Perturbaciones no esfricas
de modo que:
Ejemplo:
donde:
C1i = consumo en el momento i
Y1i = ingreso en el momento i
K1i = stock de capital en el momento i
!"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
240
Econometra Moderna Perturbaciones no esfricas
En este caso, la matriz utilizada por el programa economtrico para estimar la estructura de
covarianza de los estimadores viene dada por:
T T 2
( X ' X ) 1 ut x t x t ' ( X ' X ) 1 (8.34)
Tk t =1
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.
El procedimiento descrito puede ser muy frecuente. Sin embargo queda claro que la
correccin sera errnea. Por ello, para minimizar que suceda la secuencia de hechos aqu
descrita es necesario iniciar la estimacin con una especificacin lo ms general posible a fin de
evitar esta heterocedasticidad esprea que suele presentarse con una gran frecuencia. Slo una
vez que hemos iniciado nuestra estimacin con una especificacin general y el problema de
heterocedasticidad ha sido detectado podremos estar seguros que el problema responde a la
forma de la poblacin y no a una mala especificacin.
241
Econometra Moderna Perturbaciones no esfricas
APENDICE
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
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.
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.
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.
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:
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.
Con referencia al problema asociado a la eficiencia de los estimadores MCO, y al igual que
para el caso de heterocedasticidad, basta encontrar otro procedimiento para la estimacin de los
parmetros que arroje estimadores de menor varianza para descartar la eficiencia de los
estimadores MCO. En este sentido, y como alternativa a la estimacin MCO, la estimacin por
mnimos cuadrados generalizados arroja estimadores ms eficientes en el sentido de presentar
una menor varianza.
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.
244
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
Sabemos que cuando los errores son no esfricos, debemos aplicar el estimador MCG. Ello
implica determinar la forma de las matrices y V. Analizaremos en este caso las formas de
dichas matrices para el caso de un error que sigue un modelo AR(1) y MA(1).
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)
1
L x t = x t +1
t ( 1 L) = t
t
t = (8.40)
( 1 L)
t = (L) i t
i =0
La ltima expresin proviene del hecho que, si partimos del supuesto que < 1 , tenemos
que la expresin 1
(1 L ) que es el denominador de la segunda expresin es la suma de una
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.
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:
2
Var (ut ) = 2 u = , constante para todo t. (8.42)
1 2
Adicionalmente, dado que t est autocorrelacionado, la covarianza entre distintas
observaciones del error sera distinta de cero. Utilizando las propiedades ya explicadas, el
resultado sera:
1 2 3 ... t 1
1 2 ... t 2
Cov (u) = 2 u = 2 u 2 1 ... t 3 (8.44)
... ... ... ... ... ...
t 1 t 2 t 3 t 4 1
...
5
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
1 0 . . 0
0
1+
2
0 .
0 1+ 2
. 0
1 = (8.46)
. . . . . .
0 . 0 1+ 2
0 . . 0 1
1 2 0 0 . . 0 0
1 0 . . 0 0
0 1 0 . 0 0
V 1 = . . . . . . . (8.47)
. . . . . . .
0 . . . 1 0
0 . . . 0 1
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 T 1
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)
248
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.
Hasta ahora se ha supuesto que se conoce el valor del coeficiente por lo que la formulacin
anterior resulta bastante sencilla. En realidad, en la mayora de casos difcilmente se conoce el
verdadero valor de , por lo que resulta necesario considerar procedimientos alternativos.
u t = t + t 1
en este caso la varianza del error vendra dada por la siguiente expresin:
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
1 + 2 0 . . . 0
1+ 2 0 . . 0
0 1+ 2 0 . 0
E ( ) = 2 . . . . . . . (8.51)
. . . . . . .
0 . . 0 1+ 2
0 1 + 2
. . . 0
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).
Una vez revisada la forma del estimador MCG bajo la presencia de autocorrelacin, es necesario
indagar acerca de las formas que tenemos a disposicin para poder detectar la presencia de este
problema. Al igual que el caso de la heterocedasticidad existirn pruebas que nos sugieran la
forma de la autocorrelacin y otros que nos dirn simplemente que la presencia de la
autocorrelacin es detectada simplemente. Los principales estadsticos que se utilizan se
researn a continuacin:
ut = ut-1 + t
t=N
( e t e t 1 ) 2
t =2
D= t=N
(8.52)
et 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 - et-
2 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.
D=
e t 2 + e 2 t 1 2 e t e t 1
e 2t
Si el nmero de observaciones es suficientemente grande, et 2 y e t 1 2 son
aproximadamente iguales por lo que el estadstico D puede aproximarse por: D = 2(1 ! ) ,
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:
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.
6
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
H = ! (8.53)
1 TVar ( ! 2)
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.
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.
ut = + 4ut-4 + et
el test de Durbin Watson (tal como ha sido planteado anteriormente) bien podra sugerir que no
existe autocorrelacin. Frente a estos casos, y dada la naturaleza de las observaciones, podemos
construir estadsticos alternativos. Por ejemplo, y para el caso concreto de autocorrelacin de
orden 4 (tal como la planteada lneas arriba), Wallis sugiri utilizar un estadstico (D4)
construido de manera anloga al Durbin-Watson con la sola diferencia de utilizar ut-4 en lugar de
ut-1.
Por otro lado, y si se rechaza la hiptesis nula de ausencia de autocorrelacin serial de primer
orden, sera conveniente determinar si no existen otros rezagos del trmino del error que
tambin sean significativos. Esto se puede realizar a travs de una regresin MCO del error
252
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.
Planteemos otro ejemplo que permita analizar un poco ms la naturaleza del proceso de
autocorrelacin dada la omisin de una variable. Supongamos un modelo de la forma:
donde: wt = 2zt + ut
Cov(wt,wt-1) = 22z2z
Var(wt) = 222z + 2u
por lo que el coeficiente de autocorrelacin de wt (w) dependera del proceso que sigue la
variable omitida y vendra dado por:
z
w = (8.54)
1+ 2
u / 2 2 2 z
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
8
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.
yt = xt + ut
donde ut = ut-1 + t
yt = yt-1 + xt - xt-1 + t
Ejemplo:
254
Econometra Moderna Perturbaciones no esfricas
t=N
(et et 1 ) 2 = 5461920.67
t =2
- D= t=N
= 0.54454327
et 2
= 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.
Estos tests se basan en los coeficiente de correlacin simple y pueden ser aplicados slo cuando
el conjunto de variables explicativas son todas exgenas.
i= p
Q = T r 2i (8.55)
i =1
i= p
r 2i
Q = T ( T + 2 ) (8.56)
i =1 T i
t =T
ut ut i
t =1
ri = t =T
(8.57)
ut 2
t =1
255
Econometra Moderna Perturbaciones no esfricas
256
Econometra Moderna Perturbaciones no esfricas
Por lo tanto, vemos que los estadsticos de Ljung-Box y Box-Pierce slo pueden detectar la
autocorrelacin pero no indican el orden de sta. Por tanto su interpretacin debe ser comparada
con los grficos del correlograma para detectar posibles patrones de autocorrelacin. En todo
caso no son definitivos sino slo referenciales.
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:
Resultados:
258
Econometra Moderna Perturbaciones no esfricas
Test Equation:
LS // Dependent Variable is RESID
Esta prueba es una de las ms potentes para la deteccin de autocorrelacin porque permite
una especificacin mucho ms general y no presenta problemas aunque el modelo analizado
presente a la variable dependiente rezagada como variable explicativa. En todo anlisis de
autocorrelacin es indispensable su utilizacin.
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
Yt = 2Xt + 3 + t
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
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.
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
n
e! 2 t
t =2
g= n
(8.60)
u !2 t
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 Durbin-
Watson original.
Ejemplo:
donde:
LS // Dependent Variable is D1
Sample: 1 100
Included observations: 100
Ahora, se puede verificar directamente si el error presenta algn esquema autorregresivo con
el test de Breusch Godfrey.
Comandos EViews:
261
Econometra Moderna Perturbaciones no esfricas
Test Equation:
LS // Dependent Variable is RESID
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:
Prueba de Berenblutt-Webb:
n
e! 2 t 1116067
.
t =2
g= n
= = 0.092297
1209.211
u! 2 t
t =1
262
Econometra Moderna Perturbaciones no esfricas
Test Equation:
LS // Dependent Variable is RESID
D = 2(1 ! ) (8.61)
Una variante de este procedimiento conocido tambin como el mtodo de dos etapas de
Durbin, implica tomar en cuenta que si existe autocorrelacin de primer orden, el modelo
transformado para poder realizar la estimacin por mnimos cuadrados generalizados queda de
la siguiente forma:
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:
se tiene que:
D = 2(1 ! ) = 0143886
.
D
! = 1 = 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)
264
Econometra Moderna Perturbaciones no esfricas
ut = ut-1 + t
u! t = ! u!t 1 + v t
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 t
u ** t = !! u! ** t 1 + wt
Este proceso iterativo debe continuar hasta que las estimaciones consecutivas de difieran
en una cantidad muy pequea, que ser el punto de convergencia9. Este procedimiento de
estimacin puede generalizarse al caso de ms de una variable explicativa y de autocorrelacin
de orden superior a uno, tal como se ver en el ejemplo siguiente. Antes de presentar el ejemplo,
conviene preguntarse si los estimadores del modelo original renen o no las propiedades
ptimas usuales del modelo clsico. Al respecto, cabe recordar que siempre que se utilice un
estimador de en lugar de su valor original, los coeficientes estimados a travs de MCO tienen
las propiedades ptimas usuales slo asintticamente, es decir, para muestras grandes. En
consecuencia, si se trabaja con muestras pequeas se debe tener cuidado al momento de
interpretar los resultados estimados. Un elemento a destacar es que este mtodo implica perder
la primera observacin de la muestra. Este se entiende a partir de la construccin de las
cuasidiferencias. Para todas las observaciones excepto la primera, siempre habr una
observacin anterior.
Ejemplo:
9
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
ut = 0.31ut-1 + 0.59ut-2 + t
donde:
1 = 0.31
2 = 0.59
Comandos EViews:
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
266
Econometra Moderna Perturbaciones no esfricas
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 Breusch-
Godfrey.
Test Equation:
LS // Dependent Variable is RESID
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
y t = 1 (1 ) + y t 1 + 2 xt xt 1 + t
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.
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.
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
e e t t 1
pw = t =2
n
(8.65)
e
t =3
2
t 1
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!
269
Econometra Moderna Perturbaciones no esfricas
plim V! = V
T
de modo que la matriz de covarianzas del estimador MCO vendra dada por:
1 1
T T 2 q
v T 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 ) xt xt '
t =1 t =1 v =1 q + 1t =v +1 t =1
(8.67)
2
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.
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:
En tal sentido, el error de prediccin (definido como la diferencia entre la variable predecir y
su prediccin) vendra dado por:
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).
[
2 e = E X ' t +1 ( ! t )( ! t )' X t +1 + 2 X ' t +1 ( ! t )ut +1 + u 2 t +1 ]
[ ]
= X ' t +1 E ( ! t )( ! t )' X t +1+ E (u 2 t +1 )
= 2 u X ' t +1 ( X t ' X t ) 1 X t +1 + 2 u
(8.69)
y tiene, por tanto, una distribucin normal (et N(0,2e)). A partir de lo anterior, resulta vlido
afirmar que la expresin:
271
Econometra Moderna Perturbaciones no esfricas
et Y E t (Yt +1 )
= t +1
! e ! e
[
P E t (Yt +1 ) Yt +1 e ] 1
2
(8.70)
1
y elegir un nivel de confianza adecuado ( = 0.05). Sustituyendo la desviacin tpica del error
2
de prediccin por su estimado y replanteando la desigualdad anterior se tiene:
P[ E t (Yt +1 ) ! e Yt +1 E t (Yt +1 ) + ! e ] 1
1
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.
2 e = 2 u X ' t +1 ( X t ' X t ) 1 X t +1 + 2 u
[
Var (et ) = Var (ut +1 ) + 2 u X ' t +1 ( X ' 1 X ) 1 X t +1 ] (8.71)
272
Econometra Moderna Perturbaciones no esfricas
1
t
X 2t
Var (et ) = 2 2
u X t +1 + X 2 t +1
2t
1 (8.72)
1
t
1 1
= 2 u X 2 t +1 + X 2 t +1
2 u = 2 u X 2 t +1 1 +
t
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
Yt +1 Yt = ( X t +1 X t )' + t +1
Ejemplo:
donde:
11
Evidentemente, la esperanza condicional en t de un valor ya realizado en este periodo es el valor mismo.
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
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.
-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:
donde:
Definiedo la muestra para las primeras 100 observaciones, se estima el modelo anterior:
LS // Dependent Variable is D1
Sample: 1 100
Included observations: 100
275
Econometra Moderna Perturbaciones no esfricas
276
Econometra Moderna Perturbaciones no esfricas
Test Equation:
LS // Dependent Variable is RESID
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:
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.
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
!"Comandos EViews:
GENR RES1=RESID
SMPL 101 300
GENR RES1=0.298718*RES1(-1)
!"Comandos EViews:
GENR FORE=0.058860 + 0.840467Y1 - 0.332134I1 + RES1
Se comparan ahora los resultados obtenidos con la estimacin realizada a travs del comando
FORECAST.
!"Comandos EViews:
SMPL 1 100
FORECAST
Sample 101 300
La serie D1F guarda el valor de la prediccin para la variable dependiente
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.
-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:
1 1
L( Y, X / , 2 ) = exp 2 ( y x) 1 ( y x) (8.73)
( 2) n/2
( )
2 n/2
1/ 2
2
n n n 1
ln L = ln(2) ln( 2 ) ln 2 ( y x) 1 ( y x) (8.74)
2 2 2 2
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 : MV = ( x 1 x ) 1 x 1 y
e 1 e
de ln L : 2 MV =
2
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.
Entre los tests que han sido revisados en la seccin 8.2.3, los nicos que buscan determinar
la verdadera estructura de la heterocedasticidad son el test de Glejser, el test de Park y la
generalizacin de este ltimo realizada por Harvey. Como es sabido, el estimador MCG necesita
que se haya especificado la estructura completa de la matriz de varianzas y covarianzas () ex-
ante de estimar el valor de y 2. Si se revisa la aplicacin prctica del test de Glejser efectuada
en este captulo, se observ que se determinaba el grado de ajuste del modelo especificado para
la varianza ( e i2 = 1 + 2 x i + i )13 para los diferentes valor es que se le asignaba al parmetro
:
z 1 (1 , 2 , )
z 2 ( 1 , 2 , )
2 i = 2 . = 2 z 3 ( 1 , 2 , )
.....
z n (1 , 2 , )
Del modelo que ajustaba mejor, era de donde se sacaba los valores para los parmetros i y .
De esta manera ya se conoca la forma que adoptaba la matriz , la cual sera empleada para
poder estimar la varianza de y 2. Se recuerda que la importancia del clculo estas varianzas
radica en su utilizacin para poder realizar diferentes test de significancia y los intervalos de
confianza.
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
i2 = 2 z i
(8.75)
Para este ejemplo se asumir que zi representa a una sola variable (ms adelante se asumir
que representa una funcin de variables en donde tambin hay que calcular los parmetros i).
El siguiente paso consiste en reemplazar (8.2) en la expresin (8.1):
n n
e i2
z
n n n 1
ln L = ln(2) ln( 2 ) ln ln z i
2 2 2 2 i =1 2 2 i =1 i
(8.76)
ln L n
ei
= x .
i =1
i 2
z I
ln L n
e i2
n 1
= +
2 2 2 2 4 i =1 z i
ln L n n
e 2I ln z i
ln z
1 1
= +
z i
i
2 i =1 2 2 i =1
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.
1
1
2 x i x i / z I 0 0
1
E ln L =
2
n 1
0 ln z i
2 2 2
4
ln z
1 1
0 i
2
ln z i
2 2 2
(8.77)
282
Econometra Moderna Perturbaciones no esfricas
i2 = 2 f i ()
(8.78)
n n
1
ln f () 2 f () e
n n n 1
ln L = ln(2) ln( 2 ) i 2
2
i
2 2 2 i =1 i =1 i
Antes de definir las condiciones de primer grado denotaremos a fi() como fi y al vector de
f ()
derivadas i como gi. De esta manera, las condiciones de primer grado sern las siguientes:
ln L n
ei
= x .
i =1
i 2
fi
ln L n
e 2I
n 1
= +
2 2 2 2 4 i =1 fi
ln L 1 n
ei2 1
=
2 f
i =1
2
i
1 g i
f i
ln L
de se obtienen los valores de las k variables que estn incorporados en el modelo
ln L ln L
original. De se estima la varianza de los errores, mientras que de se obtiene el
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.
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:
1
1 (1 / 2 )X X 0 0
1
E ln L
2
= 0 n /(2 )
4
(1 /(2 ))i G
2
0 (1 /(2 ))G i (1 / 2)G 2 G
2 1
[
en donde = , 2 , ]
15
Greene, William, Econometric Analysis, 3a. ed., Prentice-Hall Inc., 1997.
283
Econometra Moderna Perturbaciones no esfricas
Para entenderlo con mayor claridad se vuelve a escribir el modelo visto en la seccin 8.3:
y t = x t + u t
si se decide que el trmino de perturbacin presenta autocorrelacin de primer orden, este puede
ser modelado de la siguiente forma:
u t = u t 1 + t
Sin embargo, aun subsanando la eficiencia de los estimadores, se est incurriendo en un error
que aunque asintticamente no produce un efecto importante, s lo es en el caso de muestras
pequeas. Nos estamos refiriendo a la eliminacin de la primera observacin para las variables
y*t y x*t. No es difcil determinar que es imposible su clculo para las observaciones y1 y x117.
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:
n 2
n/2
i
exp i =1 2
1
L= 2
( 2) 2
luego, haciendo las respectivas sustituciones, y diferenciando el valor que toma la primer
observacin, obtiene:
ln L =
1
2
[
ln(2) + ln 2 ln(1 2 )
1 2
2 2
]
( y1 x1 ) 2
n 1
2
ln(2) + ln 2 [ ]
1 n
- 2 [( y t y t 1)( x t x t 1 )]
2 t = 2
ln L n
x
1
= 2
t i
i =1
1 = 1 2 ( y 1 x 1 )
t = ( y t y t 1 ) ( x t x t 1 ) ; para t=2,..,n
ln L n
n 1
= + 2
t
2 2 2 2 4 i =1
ln L 1 n
u 12
=
2
i=2
t u t 1 +
2
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
(1 / )X X
2
0 0
I(, 2 , ) = 0 n /( 2 4 )
2 (1 2 )
n2 1+ 2
0 +
(1 2 )
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
1 2
Tal como se puede observar, en este caso la varianza del factor de autocorrelacin, ,y
n 1
2 4
de la varianza de 2, , 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] .
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
Barrie Wetherill distingue dos tipos de problemas al aplicar el modelo clsico de regresin
lineal: aquellos relacionados a la especificacin del modelo y las perturbaciones y aquellos
relacionados a los supuestos sobre la informacin. El problema de la multicolinealidad est
referido a este ltimo y surge al violar los supuestos que establecen que los regresores incluidos
en el modelo son independientes, que el nmero de observaciones debe ser mayor al nmero de
regresores y que debe existir suficiente variabilidad en los valores de estos ltimos.
Recordemos que uno de los supuestos del Modelo Lineal General implica que la matriz de
regresores (X) tiene rango completo e igual a k, donde k es el nmero de regresores o variables
independientes. Este supuesto garantiza que las columnas de X sean linealmente independientes
o, lo que es lo mismo, que los regresores involucrados no presenten una alta correlacin. Si el
nmero de observaciones fuese menor que el nmero de regresores involucrados (n<k),
entonces la matriz X no puede tener rango completo1 y se estara violando uno de los supuestos
del Modelo Lineal General. Sabemos que MCO = (XX)-1Xy. Si el nmero de observaciones
(n) es menor que el nmero de regresores, entonces el determinante de (XX) es cero2 por lo
que (XX)-1 es indeterminado y, por lo tanto, MCO no existe.
1
El rango de una matriz se define como:
Rango(A) min(nmero de filas, nmero de columnas)
En este sentido, si el nmero de observaciones fuese menor que el nmero de regresores, el rango de la matriz X sera
menor a k.
2
El determinante de una matriz es distinto de cero slo si sta tiene rango completo, esto es, que los vectores que la
conforman son linealmente independientes. Pensemos en el determinante de una matriz de 2x2 como el rea del
parelelograma que se formara a partir de los vectores de dicha matriz. Si las columnas de esta matriz fueran
linealmente dependientes, ambos vectores caeran dentro de una misma lnea por lo que dicho paralelograma
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
colapsara y su rea sera igual a cero. Este ejercicio puede replicarse en R3, slo que este caso el determinante de la
matriz sera igual al volumen del slido que formaran los tres vectores.
3
Dado un conjunto de k vectores {x1,,xn} en el espacio vectorial X (que en este caso es la matriz de observaciones
correspondientes a las variables explicativas), una combinacin lineal de ellos es cualquier suma de mltiplos
escalares arbitrarios de dichos vectores:
1x1 + 2x2 + + kxk en X con 1, 2, ,k escalares
Observar que si tenemos una combinacin lineal igual al vector nulo, donde todos los escalares son cero, sta es
trivial.
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:
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:
4
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
Como se observa en los tres diagramas, existe una relacin entre las variables explicativas y
la explicada. Dicha relacin es imprescindible si es que las variables independientes son
relevantes (es decir que s explican a la variable dependiente), tal relacin est representada por
las intersecciones de Y con x2 y x3 . Adems, puede existir una relacin entre las variables
independientes, representada por la interseccin de x2 con x3. Si dicha interseccin no existe,
entonces no existe correlacin entre las explicativas y no hay colinealidad. Si, por el contrario,
dicha relacin existe entonces s hay multicolinealidad. sta, a su vez, puede ser menos que
perfecta (tal como se indica en el segundo grfico) o perfecta (tal como se indica en el tercer
grfico, representada por el conjunto incluido x3).
Y = b1 + b2X2 + b3X3 + u
5
En Introduction to Linear Analysis. Douglas Montgomery y Elizabeth Peck.
6
Un modelo es sobredeterminado cuando tiene ms variables explicativas que observaciones.
268
Econometra Moderna Multicolinealidad
y = b2x2 + b3x3 + u
Matricialmente:
y1 x12 x13
y x23
2 = x 22 b2
! ! ! b
3
yn xn 2 x n3
1
2 x12 " x n 2 x12 x13 x12 " x n2 y1
= !
! !
3 x13 " x n 3 xn 2 x n3 x13 " xn 3 y n
# %%%%% %$%%%%% %&
x' x
n 2 n
xi 2 x i 2 xi 3
x' x = n 1 1
n
x i 2 x i 3 xi23
1 1
2 n 2 n
a x 3 a x 32
x ' x = n1 n
1
a x2 2
1
3 1 x 3
x ' x = a 2 * ( x 32 ) 2 a 2 * ( x 32 ) 2 = 0
269
Econometra Moderna Multicolinealidad
2 x 32
Var ( 2 ) =
x22 x32 ( x2 x3 ) 2
En este caso, X2 = a X3
2 x 32
Var ( 2 ) = =
(
x32 ) (
x32 )
2 2
a2 a2
Y = b1 + b2X2 +b3X3 + u
Y = b1 + b2aX3 +b3X3 + u
Y = b1 + (b2a + b3) X3 + u
Y = b1 + b4 X3 + u
en donde 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.
En este caso, dado que se conserva el supuesto de perturbaciones esfricas7, los estimadores
de los parmetros de regresin sern MELI. Entonces, dnde radica el inconveniente de
trabajar con un grado relativamente alto de multicolinealidad? Al respecto, no debemos olvidar
la estrecha relacin que existe entre la multicolinealidad y la escasez de observaciones.
El nico efecto de la multicolinealidad tiene que ver con la dificultad de obtener los
coeficientes estimados con errores estndar pequeos. Sin embargo, el mismo problema
se tiene al contar con un nmero reducido de observaciones o al tener variables
independientes con varianzas pequeas (...) Por lo tanto la pregunta qu se debe
hacer acerca de la multicolinealidad? es similar al interrogante qu se debe hacer
si no se tienen muchas observaciones? A este respecto, no se puede dar una respuesta
estadstica.8
7
El supuesto de perturbacin esfrica considera que : E (ui) = 0 y que E (uu) = 2I
8
Christopher H. Achen, Interpreting and Using Regression, 1982.
270
Econometra Moderna Multicolinealidad
Los estimadores MCO presentarn varianzas y covarianzas grandes, lo que hace difcil su
estimacin precisa.
Debido a lo anterior, los intervalos de confianza sern ms amplios por lo que se tender a
aceptar ms fcilmente la hiptesis nula de cero.
A pesar de lo anterior, el R2 como medida global de la bondad de ajuste puede tener valores
altos.
Los estimadores MCO y sus errores estndar pueden ser bastante sensibles a pequeos
cambios en la informacin de la muestra.
2
Var (' 1 ) =
x 2 1i (1 r 212 )
y a la covarianza entre ste y el segundo estimador:
r12 2
Cov (' 1 , ' 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:
9
Damodar N. Gujarati, Econometra (tercera edicin, 1997)
271
Econometra Moderna Multicolinealidad
1
FIV =
(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:
2
Var (' 1 ) = FIV
x 21i
lo cual demuestra de la varianza del estimador es directamente proporcional al FIV.
Debido a la presencia de errores estndar altos, los intervalos de confianza para los
parmetros poblacionales tienden a ser ms grandes. Por consiguiente, en casos de alta
multicolinealidad, la probabilidad de aceptar hiptesis falsas (Error tipo II) aumenta ya que la
muestra resulta compatible con un diverso nmero de hiptesis. En otras palabras, para un nivel
de confianza de 95%, por ejemplo, el rango de valores entre los cuales puede fluctuar el
parmetro poblacional se ve incrementado de manera directamente proporcional al error
estndar del estimador. Para verificar esto, comparemos dos distribuciones distintas para los
parmetros, tal como se presenta en el siguiente grfico. Para un mismo nivel de confianza
(95%), los valores crticos de determinada prueba de hiptesis difieren para ambas
distribuciones. Para aquella con mayor varianza, los valores crticos (t-crtico2) se encuentran
ms alejados de la media por lo que resultar ms probable, en este caso, aceptar la hiptesis
nula dado el valor para el t-calculado.
272
Econometra Moderna Multicolinealidad
' 1
t=
'
1
Sin embargo, y a pesar de lo anterior, de existir un alto grado de multicolinealidad entre los
regresores, ser frecuente encontrar un R2 alto para la ecuacin de regresin. Ante esto ser
factible, y sobre la base de la prueba F de significacin conjunta, rechazar la hiptesis de que
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.
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
Damodar N. Gujarati, op. cit, pp 328-329
273
Econometra Moderna Multicolinealidad
Variable Estadstico t
Intercepto 3.6690
X2i 1.1442
X3i -0.5261
R-cuadrado 0.9635
11
Los intervalos de confianza para cada coeficiente se construyen a partir del siguiente planteamiento:
[
' t tab se(' ) ]
274
Econometra Moderna Multicolinealidad
iv) Sensibilidad de los estimadores y sus errores estndar ante pequeos cambios en la
muestra
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
LS // Dependent Variable is Y
Sample: 1 100
Included observations: 100
275
Econometra Moderna Multicolinealidad
Existen diversos indicadores y mtodos para constatar la existencia de este problema, los
ms tiles son:
Este es uno de los indicadores ms empleados para justificar la existencia de este problema
ya que es considerado como un sntoma clsico. Si el coeficiente de determinacin es alto, se
podra afirmar que el nivel de significancia es bueno, es decir, que las variables independientes
explican a la dependiente con un grado de ajuste bastante alto (R2 alto: R2 > 0.8). Bajo estas
circunstancias, el estadstico F indicar que no todos los coeficientes de regresin sern cero a
la vez, pues con el coeficiente de determinacin se concluy que las explicativas eran
relevantes. Sin embargo, la existencia de t bajos indica que se aceptarn las hiptesis de nulidad
de los regresores para varias explicativas consideradas individualmente, contradiciendo los
resultados anteriores.
Si el coeficiente de correlacin simple, de orden cero, o entre dos regresores, es alto (mayor
a 0.8) entonces, la multicolinealidad constituye un problema grave. Sin embargo, esta
correlacin no es imprescindible para que exista multicolinealidad fuerte. Las correlaciones de
orden cero elevadas son una condicin suficiente pero no necesaria para la existencia de
multicolinealidad debido a que sta puede existir a pesar de que dichas correlaciones sean
comparativamente bajas (menores a 0.5). En los modelos que involucran ms de dos variables
independientes, el coeficiente de correlacin simple no proporciona una gua infalible sobre la
presencia de multicolinealidad. Sin embargo, si slo existen dos variables independientes y
estn correlacionadas, es obvio que este indicador ser suficiente.
A pesar de que la prueba de Farrar Glauber ha sido criticada por economistas como T.
Krishna Kumar, John OHagan y Brendan McCabe, esta es una de las ms completas y
fidedignas para detectar multicolinealidad grave en un modelo de regresin, sobre todo si ste
consta de ms de dos variables explicativas.
12
Jan Kmenta, Elements of Econometrics.
276
Econometra Moderna Multicolinealidad
2):
i) Test de Ortogonalidad (
El estadstico relevante para esta etapa del test se construye a partir de la siguiente relacin:
(2 k + 5)
2 calc = n 1 * ln ( valor del determinante estandarizado)
6
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)
1 rx 2 x 3 rx 2 x 4
R = rx 3x 2 1 rx 3x 4
rx 4 x 2 rx 4 x 3 1
Si 2calc > 2 tabla se rechaza el supuesto de ortogonalidad, se acepta que los X no son
ortogonales.
Si 2calc < 2 tabla se acepta el supuesto de ortogonalidad.
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.
277
Econometra Moderna Multicolinealidad
y as hasta xk
R 2 x i . x 2 , x 3 , x 4 , ... , x k / (k - 1)
Fi = F(k-1, n-k)
(1 - R 2 x i . x 2 , x 3 , x 4 , ... , x k ) / (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.
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.
r x i x j . x 2 , x 3 , x 4 , ... , x k n-k
t= t( n-k)
(1 - rx i x j . x 2 , x 3 , x 4 , ... , x k )
Una de las soluciones que se emplea con ms frecuencia para curar el problema de la
multicolinealidad es el uso de la regresin por cordillera. En trminos generales, la idea
consiste en aadir una constante () a las varianzas de las variables explicativas (es decir, a los
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
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
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
279
Econometra Moderna Multicolinealidad
!"
Resultados
LS // Dependent Variable is Y
Sample: 1 100
Included observations: 100
LS // Dependent Variable is Y
Sample: 1 99
Included observations: 99
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
r232 =
(113.233953713) 2
= 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 =
(S 23 )2
( S 22 + 5) * ( S 33 + 5)
r232 =
(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.
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:
k k
MSE (i * *) < MSE (i*)
i =1 i =1
donde i** son los estimadores de i a partir de la regresin por cordillera, i* los estimadores
MCO y k es el nmero de regresiones. Por desgracia, es una funcin de los parmetros de
regresin y la varianza de error, que son desconocidos. Sin embargo, Hoerl y Kennard sugieren
que se pruebe con diferentes valores de y se elija el valor de modo que el sistema se
estabilice o los coeficientes no tengan valores poco razonables, por tanto, argumentos
subjetivos. Algunos otros han sugerido obtener estimados iniciales de bi y s2 y despus utilizar
el estimado. Es posible iterar este procedimiento y obtener el estimador por cordillera iterado.
La utilidad de este procedimiento tambin ha sido cuestionada.
Otro problema sobre la regresin por cordillera es el hecho de que no es invariante ante las
unidades de medida de las variables explicativas y transformaciones lineales de las variables. Si
se tienen dos variables explicativas x1 y x2 , y x1 se mide en decenas y x2 en millares, no tiene
sentido sumar el mismo valor de a las varianzas de ambas. Es posible evitar este problema si
se normaliza cada variable dividindola entre su desviacin estndar. An s x1 y x2 se miden
en unidades similares, en algunos casos hay diferentes transformaciones lineales de x1 y x2 que
tienen la misma sensibilidad.
Existen situaciones diferentes bajo las cuales la regresin por cordillera surge en forma
natural. Estas permiten entender las circunstancias bajo las cuales el mtodo podr ser til. A
continuacin mencionaremos dos de ellas.
14
E [ cordillera] = [XX + ]1XX
15
Var [ cordillera] = 2 [XX + ]1XX[XX + ]1
282
Econometra Moderna Multicolinealidad
i =1
bi2 = c
en donde S11 = S x12, S12 = S x1x2 , etctera. Por lo tanto, se obtiene la regresin por cordillera y
es el multiplicador de Lagrange. El valor de se decide por el criterio b12 + b22 = c. En este
caso, el procedimiento para elegir es claro.
Estas son situaciones en las que es fcil justificar la regresin por cordillera. En casi todos
los dems casos, se involucra un juicio subjetivo que a veces se equipara con una vaga
informacin previa. Los mtodos bayesianos permiten un anlisis sistemtico de los datos con
una vaga informacin previa.
283
Econometra Moderna Multicolinealidad
Supongamos que los coeficientes que acompaan a los regresores xi (ai) se eligen de modo
tal que la varianza de z1 se maximice, sujeta a la condicin de que
Esto se conoce como condicin de normalizacin. (Es necesaria, o de otro modo la varianza
de z1 se elevar en forma indefinida). Se dice entonces, que z1 es el primer componente
principal. Es la funcin lineal de las x que tiene la mayor varianza (sujeta a la regla de la
normalizacin). Lo que se ha hecho hasta esta etapa es generar combinaciones lineales de los
regresores (que originalmente presentaban alta correlacin lineal) que presenten conjuntamente
una dispersin elevada, se maximiza la varianza. Esto se realiza con el propsito de formar
grupos de componentes principales que sern empleados como regresores en lugar de las
variables originales (como estos componentes principales tienen alta varianza, no estarn
correlacionados entre s)
z1, la que tiene mayor varianza, se conoce como primer componente principal, z2 es la siguiente
varianza ms grande y se conoce como segundo componente principal, y as sucesivamente.
Estos componentes principales tienen las siguientes propiedades:
A veces se sugiere que, en lugar de regresionar y sobre x1, x2, , xk, deber regresarse
sobre z1, z2, zk. Pero esto no soluciona el problema de multicolinealidad. Si se regresara y
sobre las z y despus se sustituyeran los valores de stas en trminos de las x, al final se
obtendra las mismas respuestas que antes. El hecho de que las z carezcan de correlacin no
significa que se obtendrn mejores estimaciones de los coeficientes en la ecuacin original de
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:
z1z1 = 1
Para cada columna (xk) de la matriz de informacin (X), la suma de errores al cuadrado ser
igual a:
considerando la restriccin:
16
La matriz X de orden nxk contiene en cada columna a las observaciones correspondientes a cada una de las
variables explicativas. Uno de los supuestos bsicos del modelo de regresin lineal considera que las k columnas
deben ser linealmente independientes para garantizar la no singularidad de la matriz XX. Sin embargo, generalmente
se tiene menos de k fuentes de informacin verdaderamente independientes, es decir menos fuentes de variacin.
El uso del mtodo de componentes principales es un intento de extraer de la matriz de informacin X aquellas
variables que representen la mayor (o toda) la fuente de variacin de X.
17
x = z
e = x - zMCO
e = x - MCO.z
ee = xx - xz MCO - MCOzx + MCOzz MCO
ee = xx - xz (zz)-1zx - xz(zz)-1zx + xz(zz)-1zz(zz)-1zx
ee = x(I- z(zz)-1z)x
285
Econometra Moderna Multicolinealidad
K 18
ek ' ek = tr ( X ' (I zk ' zk ) X )
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
20
(XX) =
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
Ahora, que ya se sabe cmo armar los componentes principales, se procede a hallar los
estimados de los coeficientes de regresin:
z = (ZZ)-1Zy
Z = XCL
ZZ = CLXXCL = L
donde L es la matriz cuya diagonal contiene los mayores valores propios (o races
caractersticas) de XX.
Adems:
CLXX = L CL
z = CL MCO
Al igual que los estimados hallados a travs del mtodo de regresin por cordillera, los de
componentes principales tambin son sesgados:
z = CL MCO
p = CL z
p = CL CL MCO
287
Econometra Moderna Multicolinealidad
Consideremos el modelo
y = b1X1 + b2X2 + u (9.1)
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
y = b1X1 + v (9.2)
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
Para el estimador de la variable omitida, es preciso calcular E (b1**) y var (b1**). Ahora,
b1** =
x y1
x 2
1
b1** =
x (
1 x + 2 x 2 + u)
1 1
x 2
1
= b1 + b2 (S12/S11) +
x u 1
S11
E(b1**) = b1 + b2 (S12/S11)
y
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
tenga una fuerte conviccin previa de que t2 es <1.
2. Por lo general, es mejor el estimador WTD que el COV.
3. El estimador WTD es superior al MCO para t2 < 1.25 y slo ligeramente inferior para 1.5 <
|t2| <3.0
4. Lo inadecuado de los datos colineales no deber disfrazarse con el reporte de los resultados
a partir de la regresin de variables omitidas, Aun si se utiliza un estimador WTD, se
debera reportar los estimados MCO y sus errores estndar para hacer que los lectores
juzguen el alcance de la multicolinealidad.
Toda esta discusin demuestra que la informacin previa sobre t2 es muy importante, aun
utilizando los estimadores COV o WTD. Esto nos lleva al mismo resultado de la discusin
sobre la regresin por cordillera y la regresin por componentes principales, es decir, a la
importancia de la informacin previa. La informacin previa referente a la omisin de las
variables de ruido, tiene que ver con los valores t verdaderas para los coeficientes de las
mismas.
Leamer sugiere estudiar la sensibilidad de los estimadores de los coeficientes para las
distintas especificaciones sobre la informacin previa referente a los mismos. Si bien el
enfoque es bayesiano, es posible analizar en forma sencilla la sensibilidad en cada problema, a
fin de evaluar el impacto sobre el estimado de los coeficientes de inters debido a cambios en
las suposiciones en torno a los coeficientes de parmetros de ruido. Tal anlisis de sensibilidad
sera ms til que emplear una solucin como la regresin por cordillera, la de componentes
principales, omitir variables, etc., ya que todas ellas implican, en forma oculta, cierta
informacin previa especfica. Con mucha frecuencia, tal vez esta no sea la informacin previa
que desea considerar.
Este mtodo se sigui en los primeros estudios de la demanda. Se demostr que en los datos
de series de tiempo, el ingreso y el precio tenan una alta correlacin.
289
Econometra Moderna Multicolinealidad
Supongamos que se desea usar un estimado para un parmetro con base en otro conjunto de
datos. Cul es el mejor procedimiento para hacerlo? Consideremos la ecuacin:
En esta ecuacin, X1 y z no tienen una alta correlacin y se obtiene una buena correlacin
de b1, digamos b1*. Se sustituye esto en la ecuacin (9.3) y se regresiona (y1 - b1* X1) sobre X2
para obtener un estimado b2* de b2. Este procedimiento se mencion antes. El estimado de b2* es
condicional, sobre b1= b1*. Asimismo es preciso corregir la varianza estimada de b2*, pues el
error en la ecuacin es, ahora,
donde W = u + (b1 - b1*) X1 no es igual a u. Este procedimiento es aconsejable slo cuando los
datos detrs de la estimacin de la ecuacin (9.4) no estn disponibles (es decir cuando otra
persona hizo el estudio).
Por otra parte si disponemos de dos conjuntos de datos, no existe razn para utilizar este
procedimiento de estimacin condicional. Sera mejor estimar las ecuaciones (9.3) y (9.4) de
manera conjunta.
Esto fue lo que hizo Maddala con los datos utilizados por Tobin en el estudio sobre la
demanda de alimentos. Asimismo, es posible probar, mediante la estimacin conjunta de las
ecuaciones (9.3) y (9.4) y la estimacin separada de las ecuaciones, que el coeficiente de X1 es
el mismo en ambas ecuaciones.
Por supuesto, es posible acumular los diferentes conjuntos de datos para obtener estimados
ms eficientes de los parmetros, procediendo a desarrollar tambin algunas pruebas que
permitan ver si los parmetros en las diferentes ecuaciones son ciertamente los mismos.
290
Econometra Moderna Multicolinealidad
291
CAPITULO 10
UNA INTRODUCCIN A LA TEORIA ASINTOTICA
Cuando hablamos de las propiedades de los estimadores en el captulo 3 se hizo mencin que
los estos estadsticos usualmente presentan dos grupos de propiedades. El primer grupo de ellas
son las llamadas de muestras pequeas o exactas. Generalmente los libros de texto se centran en
el insesgamiento y la eficiencia. Si un estimador cumple con estas dos propiedades podemos
estar seguros de hacer una interpretacin correcta de los parmetros esperados. Adicionalmente
se mencion que cuando existen estimadores que no cumplen con las dos propiedades a la vez,
el criterio a utilizar es el error cuadrtico medio a travs del cual se toman en cuenta el sesgo y
la varianza. El criterio para realizar la eleccin del estimador es el de escoger aquel estimador
que minimice el error cuadrtico medio.
No obstante toda esta discusin, en muchas oportunidades no es posible contar con estimadores
que cumplan con estas propiedades simultneamente. Adicionalmente, la distribuciones de
probabilidad que se utilizan para hacer inferencia son exactas. Estas generalmente son las
distribuciones t de student y F. Cuando no se cumplen las propiedades exactas estas
distribuciones tampoco son vlidas. Por tanto debemos hallar distribuciones con las cuales
poder realizar ejercicios de inferencia. La pregunta que surge entonces es qu debemos hacer?
Dado que no se pueden comprobar las propiedades exactas, es necesario analizar si los
estimadores que estudiamos son buenas aproximaciones a los verdaderos parmetros y tambin
podemos . En este contexto es que debemos utilizar ciertas herramientas que nos permitan
analizar los estimadores bajo este contexto. Estas herramientas son los pilares de lo que viene a
llamarse teora asinttica.
Esta teora lo que busca es estudiar el comportamiento de los estimadores a medida que el
tamao muestral crece. En el lmite se ver cules son la caractersticas de estos estimadores
cuando la muestra tienda a infinito, de all el apelativo de asinttica. En este captulo haremos
una simple introduccin a los principales conceptos relevantes en la teora asinttica. La idea
ser presentar los principales resultados y formas de analizar y obtener las propiedades
asintticas de un estimador. Se dar especial nfasis al lmite en probabilidad y la propiedad de
consistencia que es una de las ms tiles y menos complicadas de trabajar.
Debe mencionarse adicionalmente que una de las ventajas de las propiedades asintticas es que
el anlisis y sus herramientas son mucho ms flexibles que aquellas que se utilizan para el
anlisis de las muestras exactas. Por ello, muchas veces puede ser ms fcil obtener las
propiedades asintticas de un estimador que las propiedades exactas debido a la complejidad de
algunos de ellos. Uno de los elementos a tomar en cuenta es que si un estimador cumple con las
propiedades exactas tambin cumplir con las propiedades aproximadas. Lo contrario no es
necesariamente cierto. Por ello, si un estimador cumple con las propiedades asinttica podr
utilizarse con cierta certeza porque sern buenas aproximaciones a los verdaderos parmetros.
Esto es vlido principalmente en estimadores que son funciones no lineales de variables
aleatorias.
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
Lim E (X n X ) = 0
n
n
M
Xn X
Convergencia en distribucin
d
Xn X
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.
M P D
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.
La ley de los grandes nmeros y el teorema del lmite central son pilares bsicos que sirven
como fundamento para comprobar muchos de los resultados de la teora asinttica. De hecho
son captulos enteros de un tratado de fundamentos estadsticos. Sera presuntuoso pretender
hacer una presentacin extensa y completa en estas lneas1. Sin embargo trataremos de hacer un
resumen de las principales ideas referidas a cada uno de estos conceptos. Debe mencionarse que
existen muchas versiones de cada uno de estos conceptos por lo que no se puede hablar de una
sola versin. Por ello discutiremos de manera intuitiva los principales resultados y las
implicaciones relevantes para nuestro anlisis.
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. X n es el promedio de una secuencia de variables aleatorias.
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.
3
Aqu tomamos la versin del teorema planteada por Greene (1997) pg 122.
4
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.
porqu. Cuando hablamos de la distribucin de un promedio, debemos recordar que la varianza
del promedio viene dado por el trmino 2 / n donde el numerador es aquel que corresponde a
la varianza de cada observacin (si suponemos que todas la varianzas son iguales) y el
denominador es el nmero de observaciones de la muestra. Es obvio que si el nmero de
observaciones tiende a infinito, tendremos que la varianza tiende a cero y por tanto colapsamos
en un punto. Cmo nos interesa tener una distribucin y para ello requerimos una varianza, al
multiplicar la distribucin por la expresin n eliminamos el trmino n del denominador de la
varianza de la distribucin y la varianza por tanto no colapsa a cero. Otra forma de verlo es que
conforme el nmero de observaciones aumenta, la velocidad con la cual se acerca la varianza a
cero es n , por ello al multiplicar la diferencia entre el promedio muestral y la media de la
poblacin por la misma expresin eliminamos dicho problema al hacer que el numerador de la
varianza crezca a la misma tasa.
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 =
Eficiencia asinttica
Estas tres propiedades asintticas son las que formalmente todo estimador debe mostrar con el
fin de poder ser utilizado con cierto grado de certeza. Sin embargo, para fines de nuestro anlisis
slo nos centraremos en desarrollar el concepto de consistencia. La razn de ello radica en que
el modo de convergencia en probabilidad implica a la convergencia en distribucin.
Adicionalmente, el tratamiento de la convergencia en distribucin es ms complicado que el uso
del lmite en probabilidad.
Lim Pr ( > ) = 0
T
Lim Pr ( < ) = 1
T
La consistencia hablando desde un punto de vista ms intuitivo implica que a medida que el
tamao de muestra va creciendo el centro de la distribucin del estimador calculado se va
acercando al verdadero valor del parmetro. Un grfico puede ayudarnos a entender el concepto:
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
considerable al verdadero parmetro deberamos incrementar fuertemente el tamao muestral, lo
cual representa un costo considerable en trminos de informacin. Una buena aproximacin se
logra a partir de 60 observaciones. Por ello, si queremos que los resultados de teora asinttica
se apliquen nuestra muestra deber contar con al menos 40 observaciones aunque lo deseable
ser contar con 60.
E (mt ) = + C / T
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 :
Si utilizamos esta desigualdad para el caso del estimador que estamos analizando, tomara la
siguiente forma:
{ }
Pr mt ( + C / T ) > Var (mt ) < 1 / 2
= Var (m t )
Una forma ms sencilla de denotar al lmite en probabilidad es la de Plim. Una de las ventajas
de trabajar con el lmite en probabilidad es que permite simplificar los clculos drsticamente
debido a que puede aplicarse a funciones no lineales de variables aleatorias. Por ello, muchas
veces es mucho ms sencillo probar la consistencia de un parmetro que su insesgamiento. La
simplicidad del uso del lmite en probabilidad quedar ilustrada a partir de las siguientes
propiedades:
y P lim y1
4. P lim 1 = . El plim de la divisin de dos variables aleatorias es igual a la
y2 P lim y 2
divisin de los plims de cada una de las variables aleatorias.
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.
toda la expresin en su conjunto y no se puede trabajar el numerador y el denominador por
separado. En el caso del lmite en probabilidad vemos que s se puede aplicar por separado a
cada una de las expresiones que forman la razn. Esto facilita los clculos de manera
importante.
7. ( )
P lim A 1 = (P lim A) . A es una matriz cuadrada no singular.
1
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:
= ( X X ) 1 X Y
= + ( 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
X X 1 x1i x x
2
= 1i 2i
T T x1i x 2i x 2
2i
1
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:
X X X X
Lim =
T 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:
1
P lim i
X
P lim = T
T P lim 1
T
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:
c = (X X + I ) X Y
1
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
insesgamiento debemos reemplazar Y por el modelo terico ( X + ). Realizando esta
operacin obtenemos la siguiente expresin:
c = (X X + I ) X X + (X X + I ) X
1 1
1 1
X X I X X X X I X
c = + + +
T T T T T T
Si volvemos a utilizar los supuestos planteados para el caso del estimador MCO, podemos
imponer las siguientes condiciones:
X X
Lim =Q
T T
X
Lim =0
T 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.
El presente captulo ha pretendido hacer una presentacin sucinta de algunos de los principales
elementos de la teora asinttica. Se ha incidido en los concepto ms relevante para analizar una
de las propiedades de muestras grandes ms importantes que es la consistencia. De lo discutido
aqu se puede decir que si un parmetro converge en probabilidad tambin lo har en
distribucin. La obtencin de la distribucin asinttica escapa de los objetivos del presente texto
debido a que se requieren algunos conceptos y definiciones ms complejas. Sin embargo, basta
decir que si comprobamos la consistencia de un estimador, podemos suponer que su distribucin
ser normal y podremos usar los procedimientos tradicionales de inferencia estadstica. Debe
mencionarse que lo expuesto aqu dista mucho de ser una presentacin rigurosa pero creemos
que brinda las principales herramientas tiles para el anlisis de estimadores para un texto de
pregrado.