Modelo de Estimación Lineal

Prueba de Consistencia de los Parámetros 𝛂 𝐲 𝛃

El estimado derivado de β es:

∑ni=1 xi yi − nx̅y̅
β= n
∑i=1 xi 2 − n(x̅)2

Exponiendo el numerador se tiene

∑ni=1 xi yi − x̅ ∑ni=1 yi ∑ni=1(xi − x̅)yi

β= =
∑ni=1 xi 2 − n(x̅)2 ∑ni=1 xi 2 − n(x̅)2
(xi −x̅)
Si denominamos: ci = ∑n 2 ̅ )2
i=1 xi −n(x

Entonces β = ∑ni=1 ci yi

Lo cual demuestra que β es una combinación lineal de los valores de Y.

El valor esperado de β es:

E (β)= E[Σci yi ]=Σci (α+βxi )

E (β)=α Σci +β Σci xi

Y la varianza de β es:

Var[β] = var [Σci yi ]= Σci2 var [yi ]

Σ(x1 − x̅)2
σ2β = var[β] = σ 2
Σci2 =σ 2
(∑ xi 2 − n(x̅)2 )2

σ2
σβ 2 = ∑ x 2 −n(x̅)2
i

σ2
σβ 2 = n s 2
x

y el valor de la desviación estándar de β es:

sβ = √σβ 2

Donde σ2 es la varianza de los valores de Y, dado X (la cual se asume constante).

El valor estimado de σ2 es S 2 :
 1
S2 = ̂
σ2 = ∑[yi − ŷi ]2
n − (m + 1)

∑ Ɛ2
S 2 = n−(m+1)
i

De forma similar, la variación estimada de α es:

σ2 x̅2
σα 2 = (1 + s 2 )
n x

S2 x̅ 2
Sα = √σα 2 = √ (1 + 2 )
n sx

1
Sx2 = [Σxi 2 − n(x̅)2 ]
n

Prueba de Hipótesis para los Parámetros α y β.

Parámetro α:

La Hipótesis Nula es: H0 : α=0

La Hipótesis Alterna es: H1 : α ≠ 0

Para que se pueda rechazar la Hipótesis nula el valor de α debe estar fuera del rango
definido por:

-C ≤ α
̂≤C

Donde ᾷ es el valor estimado del parámetro α verdadero de la población.

El valor de C se obtiene de la distribución de probabilidades t-student para un grado de

confianza w y n-2 grados de libertad.

El valor de w usualmente es 5-10%. Se utiliza n-2 grados de libertad ya que la estimación

de α y β reduce los valores de información independientes en 2. Para el caso de M
variables Independientes (β1… βj… βm ), los grados de libertad son n-(m+1).

P[−c ≤ α ≤ c ∖H0 ] = 1 − w

Utilizando la distribución t:

C=[t w⁄2, n − 2] ∗ Sα
Para el Parámetro β, la prueba es:

Hipótesis Nula Ho : β = O

Hipótesis Alterna H1 : β ≠ O

El intervalo de no rechazo de la hipótesis nula

w1 w
-(t 2 , n − 2 ) Sβ ≤ β ≤ (t 2 , n − 2 ) Sβ

Si β cae dentro de este rango no podemos rechazar la Hipótesis nula β = O; por lo que
concluimos que, en base a la data disponible, Y no depende de X. Si β esta fuera de este
rango se puede aceptar la relación entre Y y X con un grado de confianza 1-w.

Prueba de Ajuste Global del Modelo

La Hipótesis nula establece que la correlación múltiple es igual a O. La prueba se realiza

verificando la consistencia estadística de la relación entre la variable explicada (Y) y las
variables independientes (X)

La bondad o ajuste global del modelo se representa mediante la relación entre la variación
explicada, reflejara en el modelo, por medio de la recta de regresión y la variación total
observada en la variable dependiente menos la que toma en su cuenta la regresión ; es
decir, los residuos (términos de error).

Esta relación, al ser un cociente, toma la forma de una distribución de Probabilidades “F”.

SS reg.⁄ m R2 /m
F= =
SS res. ⁄ (n − m − 1) (1 − R2 )/(n − m − 1)

Donde:

SS reg. =Suma de cuadrados de las desviaciones explicadas por la regresión.

̅) 2
SS reg. = Σ(α + βXi − Y
n
2
= ∑(Ŷ − ̅
Y)
i=1

SS res: Suma de cuadrados de la variación no explicada o residual.

 2
SS res = ∑ Ɛi 2 = ∑(Yi − ̂
Y)

m: número de variables independientes en el modelo (X)

n: Tamaño de la muestra (Ej: número de zonas).

La razón F tiene la distribución similar a la función de distribución de probabilidades “F”

con m y (n-m-1) grados de libertad.

Coeficientes de Determinación de la Regresión

SST: Suma total de desviaciones al cuadrado, con respecto al promedio.

SST=Σ(Yi − ̅
Y)2 = ∑ Yi − 2Y̅ ΣYi − n ̅Y 2

̅2
SST = ΣYi 2 - nY

(Σ Yi )2
̅
Y2 =
n2
Σ(Yi )2
SST=Σ Yi 2 − n

Y la suma de cuadrados del error (residuos) es:

SS𝐸 = Σ Ei 2
SSE
La variación no explicada es: SST

SSE
Y la variación explicada es: 1 − SST

Esta relación se define como coeficiente de determinación de la regresión.

SSE
R2 = 1 −
SST
Si se expresa en términos de SSR

(Suma de cuadrados de la regresión)

SSR = SST − SSE

SST − SSE SSR

R2 = =
SST SST
Ejemplo:

Los datos para este ejemplo son:

Obs. No. Y X
1 44 89
2 46 76
3 33 59
4 43 104
5 39 94
6 37 48
7 29 37
8 34 66
9 46 83
10 52 91
11 33 72
12 46 64

1 2 314.28
S2 = Σ(Yi − ̂
Y) = = 31.43
N−2 10

S = √S 2 = = √31.4 = 5.61

σY 2 31.43
Sβ 2 = 2
= = 0.00725
n Sx 12 ∗ 361.2

Sβ = √Sβ 2 = 0.0851

s2 x̅ 2 31.43 73. 62
Sα = √ (1 + 2 ) = √ (1 + )
n sx 12 361.2

sα = 6.47

Intervalo de Confianza:(10%) w⁄ = 5%
2
Valor de α:

C = [5%, 10] ∗ Sα

De la distribución t-student t 5%,10 = 1.813

C = 1.813 ∗ 6.47 = 11.73

−11.73 ≤ α̂ ≤ 11.73 Intervalo de no rechazado

En este caso 𝛂 = 23.31 Se rechaza la Hipótesis Nula. 𝛂 es significativo al 10%

Prueba para 𝛃:

Sβ = 0.0851

t 5%,10 = 1.813

Sβ t 5%,10 = 0.154

Intervalo de no rechazo:

−0.154 ≤ β̂ ≤ 0.154

Valor estimado de β=0.23 se rechaza la hipótesis nula.

Modelo: ŷ = 23.31+0.23 X

Para el modelo Global:

SSreg./m
F=
SS res/(n − m − 1)

SSreg = 227.39

m=1

n − m − 1 = 10

SSres = 314.28

227.39⁄
F= 1 = 7.235
314.28⁄
10
De la distribución F para 95%, con (1,10), F1 = 4.96

F > F1 .
La relacion tiene consistencia estadística

y, R2 =SSreg / (SSreg + SSres)= 0.42.

A continuación, los cálculos parciales:

Obs. No. Y X Y
2
X
2
Ў (Y - Ў) (Y - Ў)
2
(Y - Yp)
2
(Ў-Yp)
2
XY
1 44 89 1,936 7,921 43.70 0.30 0.09 14.69 12.47 3916
2 46 76 2,116 5,776 40.72 5.28 27.88 34.03 0.31 3496
3 33 59 1,089 3,481 36.83 -3.83 14.64 51.36 11.16 1947
4 43 104 1,849 10,816 47.13 -4.13 17.08 8.03 48.53 4472
5 39 94 1,521 8,836 44.84 -5.84 34.14 1.36 21.87 3666
6 37 48 1,369 2,304 34.31 2.69 7.25 10.03 34.33 1776
7 29 37 841 1,369 31.79 -2.79 7.77 124.69 70.20 1073
8 34 66 1,156 4,356 38.43 -4.43 19.62 38.03 3.02 2244
9 46 83 2,116 6,889 42.32 3.68 13.52 34.03 4.65 3818
10 52 91 2,704 8,281 44.16 7.84 61.53 140.03 15.91 4732
11 33 72 1,089 5,184 39.80 -6.80 46.29 51.36 0.13 2376
12 46 64 2,116 4,096 37.97 8.03 64.45 34.03 4.82 2944
Promedio 40.2 73.6 5775.8 0.00 26.19 3038.33
SS 19,902 69,309 314.28 541.67 227.39
Var 49.2 394.1
DesStrd 7.02 19.9 Alpha 23.3 Desv Alpha 6.4710 S2= 31.43
Beta 0.23 Desv Beta 0.0851 S= 5.61
2
Sx = 361.2
2
Prueba de Hipótesis SB = 0.00725
Param./Desv R2 F SB= 0.0851
3.60 2.69 0.42 7.24
t5%,10: 1.812 F95%,1,10: 4.965 Sa2= 41.87351
Ok Ok Ok Sa= 6.4710