Inferencia en Modelos de Regresión

Felipe Morales

1 Centro de Economía y Política Regional (CEPR)

Universidad Adolfo Ibañez

September 5, 2018

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 1 / 12

Estimación por MCO

Recapitulando, si deseabamos estimar un modelo poblacional de la

forma:

yi = β0 + β1 x1i + ui (1)
De lo que se sigue que:
P
(xi − x̄ )yi
β1 = P
^ (2)
(xi − x̄ )xi
Además:

^ 0 = ȳ − β
β ^ 1 x̄ (3)

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 2 / 12

Resumiendo...

En la medidad de que los primeros cuatro supuestos de MCO se

cumpliese teníamos que:

^ =β
E [β] (4)
Incluyendo un 5to supuesto, homocedasticidad, es posible garantizar
que:
2
^ 1 |x ) = P σ
Var (β (5)
(xi − x̄ )2
P
σ2 n −1 xi2
Var (β0 |x ) = P
^ (6)
(xi − x̄ )2

¿Contamos con toda la información para realizar inferencia

estadística?
Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 3 / 12
Inferencia en Regresión Simple
Además, recordemos que σ2 es un parámetro poblacional desconocido,
por lo que utilizaremos un estimador de este:

SCR
^2 =
σ (7)
n −2
De la forma que las varianzas de nuestras estimadas de nuestros
estimadores están dadas por:
2
^ (β
Var ^ 1 |x ) = P σ^
(8)
(xi − x̄ )2
^ 1 corresponderá a:
Y el error estándar de β
s
^ 1 |x ) = P σ ^2
err (β
(xi − x̄ )2
(9)

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 4 / 12

Inferencia para hipótesis simples

De estar forma ya contamos con todas las herramientas

disponibles para realizar nuestros estadísticos t , con el fin de
responder preguntas de investigación.
Momentáneamente utilizaremos los estadísticos t student que se
definen como:

^ − β0
β
t= (10)
^
err (β)

Con β0 como el valor propuesto para la hipótesis nula.

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 5 / 12

Algunos ejemplos empíricos para Chile

El efecto del Insituto Nacional, Sergio Urzúa et al (2014).

Does replacing an outgoing CEO with a family member hurts
firm performance? Bennedsen et al 2007, QJE
Commuting and labor market: the case of Gran Valparaíso,
López, Morales & Valdebenito (2017)

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 6 / 12

El efecto del Instituto Nacional

Urzúa y compañía intentaron responder la pregunta: ¿Tiene el

Instituto Nacional algún efecto sobre los resultados PSU de los
alumnos?

PSUi = β0 + β1 I .Nacionali + ui (11)

Donde:
Donde PSUi corresponde al puntaje PSU que obtiene el alumno i
Es una variable que toma valor igual a 1 si el individuo estudia en
el instituto nacional y cero en caso contrario.

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 7 / 12

El efecto del Instituto Nacional

En rigor, intentaban contrastar las siguientes hipótesis:

H0 : β1 = 0 (12)

Ha : β1 6= 0 (13)

^ 1 = 26.1 y err (β
¿Resultados? β ^ 1 ) = 10, 2
¿Cómo interpretar este resultado? ¿Es significativo el efecto?

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 8 / 12

Does replacing an outgoing CEO with a family
member hurts firm performance?

Bennedsen se planteó como pregunta: ¿Afecta negativamente el

cambiar un CEO profesional por un CEO familiar en los
resultados de la firma?
Para esto propusierno el siguiente modelo:

ln(Utilidadesi ) = β0 + β1 familyCEOi + ui (14)

Donde Utilidadesi corresponde a la utilidad de la empresa i

familyCEO es una variable que toma valor igual a uno si la
empresa tiene un CEO familiar a los directivos, cero en caso
contrario.

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 9 / 12

Does replacing an outgoing CEO with a family
member hurts firm performance?

En rigor intentaban contrastar las siguientes hipótesis:

H0 : β1 ≤ 0 (15)

Ha : β1 > 0 (16)

^ 1 = −0.126 y también err (β

¿Resultados? β ^ 1 ) = 0.0429
¿Qué podemos concluir?

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 10 / 12

Commuting and labor market: the case of Gran
Valparaíso

López, Morales y Valdebenito intentaron responder la pregunta:

¿Son los lugares más caros los más cercanos a los trabajos?
Para esto plantearon la estimación del siguiente modelo:

timei = β0 + β1 ln(Pvivi ) + ui (17)

Donde timei corresponde a los minutos utilizados por el individuo

i para ir a su trabajo
Pvivi corresponde al gasto por arriendo del individuo i .

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 11 / 12

Commuting and labor market: the case of Gran
Valparaíso
¿Resultados?

Figure: Resultados de regresión de tiempo vs precio de vivienda

Felipe Morales (UAI) Inferencia en Modelos de Regresión September 5, 2018 12 / 12