Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Econometría I
Demostraciones
1.
𝑦
𝐸 ( ) = 𝛽0 + 𝛽1 𝑥1 + 𝛽2 𝑥2 + ⋯ 𝛽𝑘 𝑥𝑘
𝑥
𝑢
𝑉𝑎𝑟 ( ) = 𝜎 2
𝑥
𝜎2
𝑉𝑎𝑟(𝛽𝑗̅ ) = ,𝑗 = 1…,𝑘
𝑆𝑇𝐶𝑗 (1 − 𝑅𝑗2 )
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑙 𝑒𝑟𝑟𝑜𝑟 𝜎 2 : 𝑐𝑢𝑎𝑛𝑡𝑜 𝑚á𝑠 𝑎𝑙𝑡𝑜 𝑒𝑙 𝑟𝑢𝑖𝑑𝑜 𝑑𝑒𝑛𝑡𝑟𝑜 𝑑𝑒𝑙 𝑚𝑜𝑑𝑒𝑙𝑜, 𝑚𝑎𝑦𝑜𝑟 𝑠𝑒𝑟á 𝑉𝑎𝑟(𝛽𝑗̅ )
→ Al existir una alta correlación entre 𝑥2 y 𝑥3 , Var(𝛽̂2 )y Var(𝛽̂3 )pueden llegar a ser grandes.
𝜎2
Si 𝑥1 casi no está correlacionada con 𝑥2 y 𝑥3 , entonces 𝑅1 2 = 0 𝑦 𝑉𝑎𝑟(𝛽̂1 ) =
𝑆𝑇𝐶1
𝜎2
𝑉𝑎𝑟(𝛽1̅ ) =
𝑆𝑇𝐶1 (1 − 𝑅12 )
𝜎2
𝑉𝑎𝑟(𝛽1̅ ) =
𝑆𝑇𝐶1
𝑛 −1
𝑆𝑆𝑅 = 𝑛 −1
∑ 𝑢𝑖−2 𝑝𝑒𝑟𝑜 𝑒𝑠𝑡𝑒 𝑢𝑙𝑡𝑖𝑚𝑜 𝑛𝑜 𝑒𝑠 𝑖𝑛𝑠𝑒𝑠𝑔𝑎𝑑𝑜
𝑗=1
→ 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠, 𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝑖𝑛𝑠𝑒𝑠𝑔𝑎𝑑𝑜 𝑑𝑒 𝜎 2 𝑞𝑢𝑒 ℎ𝑎𝑐𝑒 𝑒𝑙 𝑎𝑗𝑢𝑠𝑡𝑒 𝑝𝑜𝑟 𝑙𝑜𝑠 𝑔𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑:
𝑛
1 𝑆𝑅𝑅
2
𝜎 = ∑ 𝑢𝑖−2 =
𝑛−𝑘−1 𝑛−𝑘−1
𝑗=1
2.
𝑦 = 𝑥𝛽 + 𝑢 → 𝑥 = 𝑛(𝑘 + 1)
𝑦 = 𝑥𝛽 + 𝑢 → 𝛽 = (𝑘 + 1) ∗ 1
𝑦 = 𝑥𝛽 + 𝑢 → 𝑥𝛽 = 𝑛 ∗ 1
𝑛
𝜕𝑆𝑅𝐶(𝛽̅ )
=0
𝜕𝑏
𝐿𝑎 𝑑𝑒𝑟𝑖𝑣𝑎𝑑𝑎 𝑑𝑒 (𝑦𝑡 − 𝑥𝑡 𝑏)2 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑜 𝑏:
𝑛
𝑥 1 (𝑦 − 𝑥𝛽̅ ) = 0
((𝑥 1 𝑥)𝛽̅ ) = 𝑥 1 𝑦
𝛽̅ = (𝑥 1 𝑥)−1 𝑥 1 𝑦 = 𝑥 −1 (𝑥 1 )−1 𝑥1 𝑦 = 𝑥 −1 𝑦
𝑦̅ = 𝑥𝛽, 𝑢̅ = 𝑦 − 𝑦̅ = 𝑦 − 𝑥𝛽̅
→ 𝑢̅ 𝑑𝑎𝑑𝑎𝑠 𝑙𝑎𝑠 𝐶𝑃𝑂:
𝛽̅ = 𝑥 1 𝑢̅ = 0
→ 𝐸𝑛𝑡𝑜𝑛𝑐𝑒𝑠, 𝑙𝑎 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 𝑟𝑒𝑠𝑖𝑑𝑢𝑜𝑠 𝑎𝑙 𝑐𝑢𝑎𝑑𝑟𝑎𝑑𝑜 𝑠𝑒𝑟á:
𝑛