ECONOMETRÍA I

Clase # 4

MÉTODO DE LOS MINIMOS CUADRADOS ORDINARIOS

El Método de los MCO es por mucho el que más se emplea en el Análisis de Regresión, sobre
todo por ser en gran medida más intuitivo y matemáticamente más simple que otros métodos.

Él Método de los MCO se atribuye a Carl Friedrich Gauss, un matemático alemán; este método
tiene propiedades estadísticas que lo han convertido en uno de los más eficaces y populares
del análisis de regresión.

 Comenzamos con la FRP:

Yi  1   2 X i   i

(No siempre se considera el error  i cuando se trabaja con población)

 De donde se deriva la FRM:

Yi  ˆ1  ˆ 2 X i  ˆ i

Yi  Yˆ1  ̂ i

 Para encontrar los residuos:

ˆ i  Yi  Yˆi


ˆ i  Yi  ˆ1  ˆ 2 X i 
Es claro que los residuos ̂i son simplemente las diferencias entre los valores observados y
los estimados de Y

Ahora, lo que se busca es determinar la FRM de tal manera que este lo más cerca posible a la
Y observada, es decir:

Seleccionar la FRM de tal manera que la suma de los residuos sea lo menor posible

 ̂ i 
  Yi  Yˆi 

CRITERIO DE MINIMOS CUADRADOS

1
Si se adopta el criterio de minimizar  ̂ i , se puede notar que los residuos ̂1 y ̂ 2 al igual
que los residuos ̂ 3 y ̂ 4 reciben el mismo peso en la suma ( ̂1 + ̂ 2 + ̂ 3 + ̂ 4 ), aunque los
dos primeros están mucho más cerca de la FRM que los dos últimos. En otras palabras, a
todos los residuos se les da la misma importancia sin considerar que tan cerca o que tan
dispersas están las observaciones individuales de la FRM.

Para superar este problema es que aplicamos el criterio de los Mínimos Cuadrados:

 ˆ i2 
  Yi  Yˆi  2

Donde ˆ i2 son los residuos elevados al cuadrado. Al elevar al cuadrado ̂ i , este método da
más peso a los residuos tales como ̂1 y ̂ 4 , que a los residuos ̂ 2 y ̂ 3 .

Entonces podemos entender que la suma de los residuos elevados al cuadrado es algún tipo
de función de los estimadores ̂ y ˆ :
1 2

 ˆ i2  
f ˆ1  ˆ 2 
Para cada conjunto dado de datos con diferentes valores para ̂ 1 y ˆ 2 , se obtendrá como
resultado ̂ diferentes y, por consiguiente, valores diferentes de  ˆ i . Ejemplo.
2

2
Entonces, ¿cuales conjuntos de ̂ se deben escoger?

El Método de los MCO, escoge ̂ 1 y ˆ 2 de tal manera que para una muestra dada o un
 ˆ i es la más pequeña posible.
2
conjunto de datos,

¿Cómo encontramos ̂ 1 ?

ˆ1 
 X i2  Yi   X i  X i Yi ˆ1  Y  ˆ 2 X
n X i2    X i 
2

¿Cómo encontramos ˆ 2 ?

ˆ 2 
 xi y i ˆ 2 
 xiYi ˆ 2 
 X i yi
2 2
 xi2  X i2  nX  X i2  n X