Clase19

Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas
Consecuencias
Clase19
de estimación
por MCO
Estimación
Econometrı́a I
Eficiente:
Mı́nimos
Cuadrados
Generalizados

Mı́nimos
Cuadrados
Tomás Rau Binder
Generalizados
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles
3 de junio
 Contenidos

Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas 1 Perturbaciones no Esféricas
Consecuencias
de estimación
por MCO
Consecuencias de estimación por MCO
Estimación
Eficiente:
Estimación Eficiente: Mı́nimos Cuadrados Generalizados
Mı́nimos
Cuadrados
Generalizados

Mı́nimos
Cuadrados
Generalizados
2 Mı́nimos Cuadrados Generalizados
Test de Hipótesis
Mı́nimos
Test de Hipótesis
Cuadrados
Factibles Mı́nimos Cuadrados Factibles
 Perturbaciones no Esféricas

Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas
Consecuencias
de estimación
Un supuesto importante en el modelo clásico de regresión lineal
por MCO
Estimación
(Supuesto 4) es que los errores ui son homocedásticos, es
Eficiente:
Mı́nimos
Cuadrados
decir la varianza es constante para todo valor de Xi :
Generalizados

Mı́nimos
Cuadrados Var (ui ) = Var (uj ) = σ 2 para i 6= j
Generalizados
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles
 Perturbaciones no Esféricas

Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas
Consecuencias
de estimación
por MCO
Estimación
Eficiente:
Mı́nimos
Cuadrados
Generalizados

Mı́nimos
Cuadrados
Generalizados
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles
 Perturbaciones no Esféricas

Clase19
Econometrı́a I
Cuando el supuesto 4 no se cumple los errores son
Tomás Rau Heterocedasticos:
Binder

Perturbaciones
no Esféricas
Consecuencias
de estimación
por MCO
Estimación
Eficiente:
Mı́nimos
Cuadrados
Generalizados

Mı́nimos
Cuadrados
Generalizados
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles
 Perturbaciones no Esféricas

Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas
Consecuencias Es decir, con el supuesto 4 tenı́amos que E [uu ′ ]=σ 2 In ,
de estimación
por MCO
Estimación Si el término de error no cumple con dicho supuesto
Eficiente:
Mı́nimos
Cuadrados
tenemos que E [uu ′ ]=σ 2 Ω. Donde Ω es una matriz definida
Generalizados
positiva.
Mı́nimos
Cuadrados
Generalizados
¿Cambian las propiedades del estimador MCO ante este
Test de Hipótesis
Mı́nimos
nuevo escenario?
Cuadrados
Factibles
 Perturbaciones no Esféricas

Clase19
Econometrı́a I

Tomás Rau
Binder
Recordemos que el estimador MCO es:
Perturbaciones
no Esféricas
Consecuencias
de estimación β̂ = (X ′ X )−1 X ′ Y
por MCO
Estimación
Eficiente: = β + (X ′ X )−1 X ′ u
Mı́nimos
Cuadrados
Generalizados

Mı́nimos
Como el supuesto de que E [u|X ] = 0 se mantiene, tenemos
Cuadrados
Generalizados
que la E [β̂|X ] = β y por lo tanto, E [β̂] = β].
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles
De esta forma, el estimador MCO con perturbaciones no
esféricas sigue siendo insesgado y consistente.
 Perturbaciones no Esféricas

Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas
Pero no será eficiente, dado E [uu ′ ]=σ 2 Ω entonces la
Consecuencias
de estimación
varianza de β̂ es:
por MCO
Estimación   ′ 
Eficiente:
Mı́nimos
Cuadrados Var (β̂) = E β̂ − β β̂ − β
Generalizados

Mı́nimos  
Cuadrados = E (X ′ X )−1 X ′ uu ′ X (X ′ X )−1
Generalizados
Test de Hipótesis
Mı́nimos
= σ 2 (X ′ X )−1 (X ′ ΩX )(X ′ X )−1
Cuadrados
Factibles
 Perturbaciones no Esféricas

Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas
Consecuencias
De esta forma, sólo si Ω = In la matriz de covarianzas de β̂
de estimación
por MCO será igual a σ 2 (X ′ X )−1 , por lo tanto el estimador MCO en
Estimación
Eficiente:
Mı́nimos
presencia de perturbaciones no esféricas no tendrá varianza
Cuadrados
Generalizados mı́nima, es decir, no será eficiente.
Mı́nimos
Cuadrados
Generalizados Entonces cualquier inferencia basada en σ 2 (X ′ X )−1 llevará a
Test de Hipótesis
Mı́nimos conclusiones erróneas.
Cuadrados
Factibles
 Estimación Eficiente: Mı́nimos Cuadrados
Generalizados
Clase19
Econometrı́a I
La estimación eficiente de β en el modelo generalizado, donde
Tomás Rau
Binder los errores pueden no ser esféricos, requiere el conocimiento de
Perturbaciones
Ω. Para comenzar supondremos que Ω es una matriz
no Esféricas conocida, simétrica y definida positiva.
Consecuencias
de estimación
por MCO
Estimación
Eficiente: Bajo estas condiciones el Método de Mı́nimos Cuadrados
Mı́nimos
Cuadrados
Generalizados
Generalizados nos permite estimar de manera eficiente los
Mı́nimos parámetros.
Cuadrados
Generalizados
Test de Hipótesis
Mı́nimos
Dado que Ω es una matriz simétrica definida positiva, puede
Cuadrados
Factibles ser descompuesta de la siguiente manera:

Ω = LL′

donde L es una matriz triangular (lower).

 Estimación Eficiente: Mı́nimos Cuadrados
Generalizados
Clase19
Econometrı́a I

Tomás Rau
Binder Además, podemos descomponer Ω−1 = P ′ P. Donde P = L−1 y
Perturbaciones
P ′ = (L′ )−1 . Trabajaremos con la letra P. Luego,
no Esféricas
Consecuencias
de estimación
por MCO
Ω = LL′ = P −1 (P ′ )−1
Estimación
Eficiente:
Mı́nimos
Ω−1 = P ′ P
Cuadrados
Generalizados

Mı́nimos
Cuadrados
Generalizados Si pre multiplicamos Y = X β + u por P obtenemos:
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles PY = PX β + Pu o
Y ∗ = X ∗ β + u∗ (1)
 Estimación Eficiente: Mı́nimos Cuadrados
Generalizados
Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones Notemos que (1) es un modelo transformado de forma tal que:

no Esféricas
Consecuencias
de estimación
por MCO Var (u∗ ) = E [u∗ u∗′ ]
Estimación

= σ 2 PΩP ′
Eficiente:
Mı́nimos
Cuadrados
Generalizados

Mı́nimos
= σ 2 PP −1 P ′−1 P ′ (2)
Cuadrados 2
Generalizados = σ In (3)
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles dado que Ω = P −1 (P ′ )−1
 Estimación Eficiente: Mı́nimos Cuadrados
Generalizados
Clase19
Econometrı́a I

Tomás Rau
Binder
Por lo tanto, el modelo transformado cumple con los supuestos
Perturbaciones del modelo clásico de regresión, y se puede utilizar MCO para
no Esféricas
Consecuencias estimar el parámetro β:
de estimación
por MCO
Estimación
Eficiente:
Mı́nimos
β̂MCG = (X∗′ X∗ )−1 X∗′ Y
Cuadrados
Generalizados
= (X ′ P ′ PX )−1 X ′ P ′ PY
Mı́nimos
Cuadrados = (X ′ Ω−1 X )−1 X ′ Ω−1 Y
Generalizados
Test de Hipótesis
Mı́nimos
Cuadrados Como el estimador MCG de β equivale al estimador MCO
Factibles
aplicado al modelo transformado (1) y que cumple con los
supuestos, β̂MCG es MELI.
 Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas
Consecuencias
de estimación
por MCO
Estimación
Eficiente:
Mı́nimos Test de Hipótesis
Cuadrados
Generalizados

Mı́nimos
Cuadrados
Generalizados
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles
 Test de Hipótesis

Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas
Consecuencias
de estimación
por MCO Nuevamente, como el estimador MCG es igual al estimador
Estimación
Eficiente:
Mı́nimos MCO sólo que se aplica al modelo transformado, todos los
Cuadrados
Generalizados procesos para testear hipótesis y construir intervalos de
Mı́nimos
Cuadrados
confianza se mantienen.
Generalizados
Test de Hipótesis
Mı́nimos
Cuadrados
Factibles
 Test de Hipótesis

Clase19
Econometrı́a I

Tomás Rau
Binder
Por ejemplo si queremos testear q hipótesis lineales
Perturbaciones
no Esféricas
Consecuencias
de estimación
H0 : Rβ = r , se tiene el siguiente estadı́stico F:
por MCO
Estimación
Eficiente:
 ′  −1  
Mı́nimos
R β̂MCG − r 2
eMCG
Rσ (X∗′ X∗ )−1 R ′ R β̂MCG − r
Cuadrados
Generalizados
∼ Fq,n−k
Mı́nimos q
Cuadrados
Generalizados
 ′  −1  
Test de Hipótesis
1 R β̂MCG − r R(X∗′ X∗ )−1 R ′ R β̂MCG − r
Mı́nimos
Cuadrados · 2 ∼ Fq,n−k
Factibles q eMCG
σ
 Test de Hipótesis

Clase19
Econometrı́a I

Tomás Rau
Binder

Perturbaciones
no Esféricas donde σ 2
eMCG es el estimador insesgado de σ 2 en presencia de
Consecuencias
de estimación
por MCO
perturbaciones no esféricas:
Estimación
Eficiente:
Mı́nimos
Cuadrados
Generalizados  ′  
Mı́nimos û∗′ û∗ Y − X β̂MCG Ω−1 Y − X β̂MCG
2
Cuadrados eMCG
σ = =
Generalizados
Test de Hipótesis
n−k n−k
Mı́nimos
Cuadrados
Factibles
 Mı́nimos Cuadrados Factibles

Clase19
Econometrı́a I

Tomás Rau
Binder Anteriormente asumimos que Ω era conocida, en este caso una
simple transformación del modelo de regresión lineal lleva a una
Perturbaciones
no Esféricas matriz de covarianza esférica. En la práctica, Ω es desconocida
Consecuencias
de estimación
por MCO
y es necesario estimar los parámetros al interior de esta matriz.
Estimación
Eficiente:
Mı́nimos
Cuadrados
Generalizados
Entonces lo que debemos hacer es sustituir Ω por un estimador
Mı́nimos de ella Ω̂. Esto se denomina estimador Mı́nimos Cuadrados
Cuadrados
Generalizados
Factibles (MCF), donde el estimador de β se define de la
Test de Hipótesis
Mı́nimos
siguiente forma:
Cuadrados
Factibles
 −1
β̂MCF = X ′ Ω̂−1 X X ′ Ω̂−1 y
 Mı́nimos Cuadrados Factibles

Clase19
Econometrı́a I

Tomás Rau
Binder
El problema es que tenemos más incógnitas (n(n+1)/2)
Perturbaciones
no Esféricas
en Ω que observaciones, para n > 1.
Consecuencias
de estimación
por MCO
En la práctica para lograr la estimación de Ω debemos
Estimación
Eficiente:
asumir que es función de un número fijo y reducido de
Mı́nimos
Cuadrados
Generalizados
parámetros θ.
Mı́nimos El problema se reduce a encontrar θ̂ y usarlo para
Cuadrados
Generalizados computar Ω̂ = Ω(θ̂).
Test de Hipótesis
Mı́nimos
Cuadrados
Abandonaremos este enfoque, intentaremos de encontrar
Factibles
la matriz de varianzas y covarianzas consistente cuando
hacemos MCO, dado que es insesgado y consistente.