Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LINEAL BÁSICO
5.1 Introducción
5.2 Distribución probabilística de la suma de los cuadrados de los residuos
5.3 Construcción de un estadístico F para contrastes estadísticos sobre los parámetros
del modelo
5.4 Métodos alternativos de realizar contrastes estadísticos de los parámetros del
modelo. Análisis de la varianza
Podríamos hacernos, entre otras, las siguientes preguntas, ¿Hay discriminación por
razón de sexo? ¿Influye la edad en el salario?
Para contestar a estas preguntas hemos de realizar contrastes de hipótesis. Para realizar
cualquier contraste de hipótesis es necesario:
1
Por tanto, u ′u → χ T2
2
σ
1
uˆ ′uˆ → χ T2 − k
2
σ
El objetivo es obtener un estadístico que pueda ser utilizado para contrastar hipótesis
compuestas por un conjunto de restricciones lineales sobre los parámetros del MLB.
Partimos de:
βˆ → N ( β , σ 2 ( X ′X ) −1 )
2
(βˆ − β )′ [σ 2 ( X ′X )−1 ]−1 (βˆ − β ) → χ k2
Este resultado permitiría realizar contrastes de todos los parámetros del modelo si
σ2 fuese conocida. Vamos a generalizar este resultado considerando una matríz D no
estocástica de dimensión rxk y de rango r≤k. De esta forma podremos hacer contrastes
de un solo parámetro, de todos los parámetros, de un subconjunto de parámetros y de
restricciones lineales de los parámetros.
P.ej: Yt = β1 + β 2 X 2t + β 3 X 3t + ut
β1 = 0
Queremos contratar: H 0 :
β 2 + β 3 = −1
Dβ = d
β1
1 0 0 0
0 1 1 β 2 = − 1 ¿Ordenes de las matrices y vectores?
β
3
Dβˆ → N ( Dβ , σ 2 D ( X ′X ) −1 D ′)
Luego,
Mediante esta expresión podríamos realizar todo tipo de contrastes sobre el vector de
parámetros del modelo si σ2 fuese conocida. Como no lo es, interesa eliminarla.
3
1
uˆ ′uˆ → χ T2 − k
2
σ
Este estadístico puede ser utilizado para contrastar cualquier conjunto de restricciones
lineales sobre los parámetros (observar que ya no aparece σ2).
Yt = β1 + β 2 X 2t + β 3 X 3t + L β k X kt + u t
H0 : βk = dk
β1
β
2
Dβ = [0 0 0 L 1] β 3 = d k
M
β k
4
Una variable aleatoria que se distribuye como una F con 1 grado de libertad en el
numerador y T-k grados de libertad en el denominador, su raíz cuadrada se distribuye
como una t de Student con T-k grados de libertad. Por tanto,
(βˆk − d k ) → t
T −k
σˆ βˆ
k
Yt = β1 + β 2 X 2t + β 3 X 3t + u t t = 1,2, LT
0 t < T1
F ={
1 t ≥ T1
Yt = β1 + β 2 X 2t + β 3 X 3t + β 4 F + β 5 FX 2t + β 6 FX 3t + u t t = 1,2, LT
H 0 : β 4 = β5 = β 6 = 0
De tal forma que si no rechazamos la hipótesis nula no hay cambio estructural y en caso
de rechazo hay cambio estructural.
5
1) Estimar el modelo sin restricciones (SCR del modelo general o sin restricciones)
2) Estimar el modelo imponiendo las restricciones de la hipótesis nula (SCR del
modelo restringido)
RG2 − R R2
r
1 − RG2
T −k
Análisis de la varianza:
Yt = β1 + β 2 X 2t + β 3 X 3t + L β k X kt + u t
H 0 : β 2 = β3 = L = β k = 0
H1 : No todos los β son cero
R2
k −1 → F
k −1,T − k
1− R2
T −k
Ejemplo:
1. Con una muestra de 50 empresas del sector del automóvil se han estimado las
siguientes funciones de producción, utilizando como variable endógena el valor añadido
bruto de la producción de automóviles (Yt) y como variables explicativas el factor
trabajo (Lt) y el factor capital (Kt). (Entre paréntesis aparecen las desviaciones típicas)
1
Sólo es necesario dividir numerador y denominador por SCT.
6
ln Yˆt = 3.87 + 0.8 ln Lt + 1.24 ln K t R 2 = 0.75 uˆ ′uˆ = 254
(0.11) (0.24)
(Examen 29/01/2008)
(2) Yt = β 0 + β1 ( X 1t − X 2t ) + β 3 X 3t + u t R 2 = 0,923
Se pide:
a) El modelo (2), ¿qué restricción incluye?.
b) Contraste la restricción impuesta en el modelo (2).
c) En el modelo (1) contraste que β3 es mayor que -1 sabiendo que βˆ3 = −0,823 .
d) Contraste la significatividad conjunta del modelo (2).
Solución
a) β1 = − β 2
b) H 0 : β1 = − β 2
H 1 : β1 ≠ − β 2
c) H 0 : β 3 = −1
H 1 : β 3 > −1
7
βˆ − β 3* − 0,823 + 1 0,05
t= 3 = = 0,5515 t 56 ≅ 1,671
σˆ βˆ 0,1030
3
No se rechaza la hipótesis nula por lo que β 3 no es mayor que -1.
uˆ ′uˆ 72,11
σˆ 2ˆ = σˆ 2 v33 = v33 = 0,08 = 0,1030
β3 T −k 56
d) H 0 : β1 = β 3 = 0
H1 : No todos los β son cero
R 2 /(k − 1) 0,923 / 2
F= = = 341,63 F20,,57
05
≅ 3,15
2 (1 − 0,923) /(60 − 3)
(1 − R ) /(T − k )
(Examen 31/01/2006)
3. Una gran empresa alimenticia quiere reestructurar sus líneas de producción y para
ello analiza, entre otras cosas, la demanda de sus productos. A continuación se presenta
la especificación y la estimación de la demanda de uno de ello, la demanda de galletas.
Los datos utilizados son datos de serie temporal con periodicidad trimestral, abarcando
el periodo 1960.1-2004.4.
β 6 FPRECIOt + β 7 FPUBLICI t + ut
donde F es una variable ficticia que toma valor 0 en el periodo 1960.1-1989.4 y valor 1
a partir de 1990.1
8
competencia ha generado cambio estructural en los parámetros del modelo?. Razone
su respuesta.
c) Obtenga el estimador insesgado de la varianza de las perturbaciones. ¿Para qué
resulta necesaria la estimación de este parámetro?.
Cuadro 1
Cuadro 2