Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MLG-Econmetria Tema 2 - J. Saavedra
MLG-Econmetria Tema 2 - J. Saavedra
Mag.Ing.Jose Saavedra
.
1
MODELO LINEAL GENERAL
3
ESTIMACION DE LOS PARAMETROS
1
2
i ' 12 ...n
2
n
Y Ŷ Y Xˆ
4
μ1 Y1 Yˆ1 Y1 1 x 12 x 13 ....x 1k ˆ1
. . . . . .
. . . . . .
. . . . . .
μ Y Ŷ Y 1 x ˆ
n n n n n2 x n3 ....x nk k
μ μ (Y X ˆ )(Y X ˆ )
' '
S ˆ
2 2
( Yi Ŷi ) 2
ˆ 2
i
n2 n2
6
Ejercicio Ilustrativo de Estimación de Parámetros en un Modelo Lineal
Simple (MCO)
Se dispone de información de los ingresos totales y gastos en alimentación
de 12 familias
Familia Gasto alimentación Ingreso Total
(nuevos soles) (nuevos soles)
1 830 2100
2 510 1100
3 420 900
4 560 1600
5 1250 3200
6 840 2300
7 720 1800
8 490 700
9 690 1300
10 850 2400
11 550 1200
12 780 1700
7
Familia Yi Xi X i Yi X2 Ŷi ˆ i Yi Ŷi
1 830 2,100 1,743,000 4,410,000 830.22 -0.22
2 510 1,100 561,000 1,210,000 529.69 -19.69
3 420 900 378,000 810,000 469.58 -49.58
4 560 1,600 896,000 2,560,000 679.95 -119.95
8
Solución
Como los parámetros a estimar son 1 y 2 se establece las ecuaciones
normales siguientes:
Y n1 2 Xi (1)
YX 1 Xi 2 Xi2 (2)
Y reemplazando, se tiene:
9
La función de regresión muestral, es decir la regresión de
Y con respecto a X:
10
MÉTODO MATRICIAL:
11
La ecuación matricial se escribe de la siguiente forma:
Y1 1 X 21 . 1 1
Y 1 X
2 22 . 2 2
.
. . . . . . . .
. . . . . . . .
Yn 1 X 2 k . n
O simplemente:
Y X
12
Para el caso de 2 variables:
n
(X' X ) Xi
y X' Y Y i
Xi X 2
i
X Y
i i
(X' X) 20300
12 20300
40030000
y X' Y 8490
16072000
13
Ejercicio Ilustrativo de Estimación de Parámetros en un Modelo Lineal
General (MCO)
14
Solución
Yi 1 2 X 2 3 X 3 i
, donde n =10; k=3
n X i2 X i3
(X ' X) X i 2 X 2
i2 X X
i 2 i3
X i 2 X x i2 i3 X i3
2
Y1
X ' Y X i 2 Yi
X i 3Yi
15
los coeficientes del modelo serán:
ˆ 1 2.5529
ˆ ˆ 2 (X X) X Y 1.0821
' 1 '
ˆ 1.9608
3
16
OPERACIONES CON MATRICES
En este sección se presentarán las nociones básicas del álgebra
matricial.
AÑO Y X1 X2
1991 3 3 5
1992 1 1 4
1993 8 5 6
1994 3 2 4
1995 5 4 6
Se desea estimar el siguiente modelo de regresión lineal:
Donde:
18
A partir de los datos se crean las siguientes matrices:
3
1 1 3 5
1 1 4
Y 8 X 1 5 6
3 1 2 4
5 1 4 6
En este caso:
• n = 5 (numero de observaciones)
• k = 3 (numero de parámetros del modelo)
19
• Matriz.- es un arreglo de números o elementos en filas y en
columnas. Cuando se habla del orden de una matriz se
refiere a la cantidad de elementos ordenados en filas y
columnas, por ejemplo las matrices X es una matriz de orden
(3x5), mientras que la matriz Y es de (5x1).
(X' X ) X' Y
1
20
TRANSPUESTA DE UNA MATRIZ
La transpuesta de una matriz X de orden (5x3) la cual se denota por X’, es
una matriz de orden (3x5), la cual es obtenida a partir de cambiar las filas
por las columnas, es decir que por ejemplo la primera fila de X se
convierte la primera columna de X’.
Las transpuestas de X e Y serán:
1 1 1 1 1
X' 3 1 5 2 4 Y' 3 1 8 3 5
5 4 6 4 6
21
MULTIPLICACIÓN DE MATRICES
Cada elemento de esta nueva matriz se obtiene sumando los valores
que resultan de multiplicar los elementos de una fila de la matriz
(por ejemplo de X’) por su columna correspondiente de la otra
matriz (por ejemplo Y), lo que originará que se forme una matriz de
orden (3x1) la cual proviene de que la primera matiz tenga 3 filas y
la segunda 5 columnas.
3
1 1 1 1 1 1 1 3 11 1 8 1 3 1 5 20
X' Y 3 1 5 2 4 8 3 3 11 5 8 2 3 4 5 76
5 4 6 4 6 3 5 3 4 1 6 8 4 3 6 5 109
5
22
En el Excel:
• Aplicar la función: =mmult(matriz1,matriz2)
• Sombrear el área de la matriz resultante y con las teclas “control” + “
(shif)”, posicionándose en la barra de funciones, teclear “ (enter)”
23
• De manera similar se calcula:
3
1
Y' Y 3 1 8 3 5 8 3 3 11 8 8 3 3 5 5 108
3
5
1 3 5
1 1 4 5 15 25
1 1 1 1 1
X' X 3 1 5 2 4 1 5 6 15 55 81
5 4 6 4 6 1 2 4 25 81 129
1 4 6
24
INVERSA²
La inversa de una matriz origina otra matriz la cual se podrá
calcular solamente cuando tenga la misma cantidad de filas y
columnas, además su determinante debe ser diferente de cero.
5 15 25
X' X 15 55 81
25 81 129
² La inversa de una matriz puede ser halla por medio de calculadoras matriciales, esto resulta
útil para el ahorro de tiempo en los cálculos.
25
En el Excel:
• Aplicar la función: =minv(matriz)
• Sombrar el área de la matriz resultante y con las teclas “control” + “
(shif)”, posicionándose en la barra de funciones, teclear “ (enter)”
26
CALCULO DE LOS PARAMETROS
Utilizando la fórmula (X' X)1 X' Y , se obtiene:
26.7 4.5 8 20 4
ˆ 4.5 1 1.5 76 2.5
8 1.5 2.5 109 1.5
27
Valor estimando de la varianza de los términos de perturbación
ˆ
2
2
(Y' Y ' X' Y) /( n k )
' 4 2.5 1.5
28
20
' X' Y 4 2.5 1.5 76 106.5
109
2
(Y' Y ' X' Y) 108 106.5
0.75
nk 53
29
Estimación de la matriz de varianzas y covarianzas de los B:
2
ˆ
var() (X' X) 1
30
INFERENCIA ESTADISTICA
31
INTERVALO DE CONFIANZA PARA LOS
PARAMETROS
Pr ob( ta / 2 £ t £ ta / 2 ) 1 a
ˆ 1 1
Pr ob( t a / 2 £ £ ta/2 ) 1 a
ˆ 1
32
Multiplicando por –1
ˆ 1 1
Pr ob( t a / 2 ta/2 ) 1 a
ˆ 1
Despejando: 1
Y X
Donde :
Y : Consumo
XConsultoria
: Ingreso Virgen del Carmen S.A.
34
Y X
70 1 80 1
65 1
100
β 2
90 1 120 3
1
. . . .
. . . 2 .
. . . .
150 1 260
10
( x ' x ) x' y
ˆ 1
1
1 80
1 100
1 120 1
1
( x' x) x' y
1 1 1 ..............1
.
n
.
x
1
10 1700
x 1700 322000
80 100 120 .........260 .
. i x 2
1
. .
Consultoria Virgen del Carmen S.A.
1 260 35
1 322000 - 1700 0.975757 - 0.005152
330000 - 1700 10 - 0.005152 0.0000303
70
65
1..........1 . 1110
x ' y
80....260 . 205500
.
150
1110
' x' y (24.4545 * 0.5091) 131764.5
205500
Consultoria Virgen del Carmen S.A.
37
Reemplazando en la fórmula tenemos:
Calculando Varianza
0.975757 - 0.005152
Var 1 (41.9375)
- 0.005152 0.0000303
2 41.9375(0.975757 ) 40.9209
1
41.9375(0.0000303) 0.00127
2
2
ˆ 6.3969
1
ˆ 2 0.0356
Consultoria Virgen del Carmen S.A.
38
CONSTRUCCION DE INTERVALOS PARA I
ˆ
Ie1
ˆ t ˆ
i a/ 2, 1
ˆita/ 2
Para un nivel de significación del 5% observando en la
tabla “t” de student:
P(0.4268£2 £0.5919)=1-0.05=0.95
40
Objetivos del tema
• Conocer el proceso para contrastar hipótesis
• Nivel de significación
• Significación
Contrastes de hipótesis
41
Contrastando una hipótesisdemasiados...
Son
¡Gran
diferencia!
Muestra Rechazo la
aleatoria hipótesis
H 0 : p 50% , £,
, ,
H1 : p 50%
Contrastes de hipótesis
43
Razonamiento básico
Si supongo que H0 es cierta...
¿qué hace un
científico cuando su
teoría no coincide
con sus
predicciones?
40
X 20
40
X 20
40
X 38
Contrastes de hipótesis 46
Región crítica y nivel de
Región crítica
significación
Nivel de significación: a
• Valores ‘improbables’ si... • Número pequeño: 1% , 5%
• Es conocida antes de realizar el • Fijado de antemano por el
experimento: resultados experimentales investigador
que refutarían H0 • Es la probabilidad de rechazar H0
cuando es cierta
a=5%
No rechazo H0
H0: =40
Región aceptación (1-
Contrastes de hipótesis
α)
47
Contrastes: unilateral y bilateral
La posición de la región crítica depende de la hipótesis alternativa
Unilateral Unilateral
a
H0: =40 Contrastes de hipótesis 49
Econometría U. de
Sevilla
Significación: p
No se rechaza
H0: =40
a
H0: =40 Contrastes de hipótesis 50
X 43
Significación : p
El contraste es estadísticamente significativo cuando p<a
Es decir, si el resultado experimental discrepa más de “lo tolerado” a priori.
a P
X 50
Contrastes de hipótesis 51
Resumen: a, p y criterio de rechazo
• Sobre a • Sobre p
– Es número pequeño, – Es conocido tras
preelegido al diseñar el realizar el experimento
experimento
Sevilla
Conclusiones
• Las hipótesis no se plantean después de observar los datos.
• Rechazar una hipótesis no prueba que sea falsa. Podemos cometer error de tipo I
• No rechazar una hipótesis no prueba que sea cierta. Podemos cometer error de
tipo II
Contrastes de hipótesis
54
Econometría U. de Sevilla