Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sesión 1
CIDDEA CT ASESORES
Enero - 2017
¿Qué es la Econometrı́a?
yt = xt β + t
N
2t = 0t t
X
Minβ SSR =
t=1
∂SSR ∂0t t
∂(y − xβ)(y − xβ)
= =
∂β ∂β ∂β
∂SSR (∂y 0 y − 2β 0 x 0 y + β 0 x 0 xβ)
=
∂β ∂β
∂SSR
= −2x 0 y + 2x 0 xβ = 0
∂β
β̂ = (x 0 x)−1 x 0 y
E (β̂) = β
Ası́ la matriz de varianzas y covarianzas del parámetro serı́a:
SSR = ˆ0 ˆ = 0 Mx
donde:
Mx = I − x(x 0 x)−1 x 0
por lo tanto:
SSR
σ̂2 =
N −K
Juan Carlos Abanto Orihuela Diploma de Econometrı́a
Modelo de Regresión Lineal
E [β̂] = β
Inferencia Estadı́stica
Sea:
Y = Xβ + u
donde X es una matriz de (N x K), u e Y son vectores (N x 1) y β
es vector de (K x 1).
Y = AK α Lβ e u
(ln Y = ln A + α ln K + β ln L + u); (α + β ≥ o ≤ 1)
H0 : Rβ = r
H0 : Rβ = r
Para realizar el test se utiliza la prueba F:
β̂ − βi0
t= q ∼ tn−k
ˆ (βi )
Var
β̂i − βi0
1 − α = Pr [Zα/2 ≤ q ≤ Z1−α/2 ]
Var (β̂i )
β̂i − βi0
= Pr [−Z1−α/2 ≤ q ≤ Z1−α/2 ]
Var (β̂i )
q q
= Pr β̂i − Z1−α/2 Var (β̂i ) ≤ βi0 ≤ β̂i + Z1−α/2 Var (β̂i )
û 0 û
∼ χ2n−k
σ2
(n − k)σ̃ 2
∼ χ2n−k
σ2
Utilizando la misma lógica que utilizamos para el IC de un
parámetro β̂, tenemos que el IC para σ̃ 2 corresponde a:
" #
(n − k)σ̃ 2 2 (n − k)σ̃ 2
≤σ ≤ 2 = (1 − α)
χ2n−k,α χn−k,1−α
Test de normalidad
Consideramos ahora el problema de utilizar los momentos de los re-
siduos MCO para hacer inferencia sobre la distribución de los errores
poblacionales. Dado que algunas de las propiedades de MCO y de la
inferencia dependen del supuesto de normalidad en los errores, es im-
portante poseer un contraste para dicho supuesto.
Como es sabido, la distribución normal es simétrica y mesocúrtica. La
simetrı́a implica que el tercer momento poblacional E (u 3 ) en torno a
la media, es cero. El hecho que sea mesocúrtica implica que la kurtosis
es 3 (es decir, el ancho de las colas de la distribución, el cual se mide
utilizando el cuarto momento en torno a la media).
E (u 4 )
K =
(σ 2 )2
En base a los anteriores, Bera y Jarke (1981), propusieron el siguiente
estadı́grafo, construido bajo la nula de normalidad:
" #
Ŝ (K̂ − 3)2 a 2
JB = n + ∼ χ(2)
6 24
donde: r
N −1
σ̂ = s
N
siendo: v
u N
u X
s = t( (yi − ȳ )2 )/(N − 1)
i=1
Note que el estadı́grafo está definido en términos del exceso de kurtosis, por
lo cual, a menor sea el valor, menor es la probabilidad de rechazar la nula de
normalidad.
Juan Carlos Abanto Orihuela Diploma de Econometrı́a
Parte III
Bibliografı́a