Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En este capitulo se estudia la estimación de modelos desde un punto de vista distinto al del capitulo
II: se considera que la variable endógena Y se mide sobre una parte de una población, es decir, los n
datos constituyen una muestra aleatoria de esta población. Los resultados de la modelización se van
a extrapolar a la población generadora de la muestra.
Se necesitan utilizar las herramientas básicas de inferencia estadística. Conceptos como población-
muestra, estadístico muestral y su distribución (muestral), diferencia entre estimador como función
de una muestra genérica, es decir, como variable aleatoria, y estimación, o valor numérico de un
estadístico, estimación por punto y por intervalo, propiedades deseables de un estimador
(insesgadez, eficiencia, consistencia, suficiencia)....
Hay que recordar que estas propiedades son del estimador, es decir, de su distribución muestral (no
de las estimaciones). Así se estudian las propiedades muestrales de los coeficientes de regresión.
También se precisa hacer uso del concepto de test o contraste de hipótesis.
Objetivos:
Al acabar el capitulo se deben manejar con soltura los conceptos muestrales básicos en modelos
lineales, y saber realizar la validación o contrastes usuales en el proceso de elaboración de un
modelo. Además se debe manejar EViews y ser capaz de reproducir manualmente los cálculos que
aparecen en listados EViews de estimación de modelos.
Debe Decir
--------------------
Pág. 93, línea -1: p = 2Pr[Tbj > |t| ]
Pág. 95, líneas 5 a 8 X'X
20 3036 121.2 18754.2
3036 574618 18754.2 3537033
121.2 18754.2 999.94 152648.7
18754.2 3537033 152648.7 27682883
Pág.106, línea 13 = 1024.05
línea 14 asociada al ciclo es
línea 15 - 1024.05 = 230.59
línea 17 = 1024.05
línea 18 = 230.59 = 76.86
línea 22 = 76.86 / 1.42 = 54.34
línea -1 = 1024.05/1.42 = 723.54
Pág.117 línea 19 sef debe estar elevada al cuadrado
Contrastes de Hipótesis
En cualquier contraste de hipótesis podemos distinguir una serie de puntos, que pueden ser
aplicados a lo largo de la asignatura, en todos los contrastes:
No olvidar que es preciso expresar los resultados de un test correctamente: aceptar una hipótesis (a
nivel α) no quiere decir que ésta sea cierta. El nivel de significación expresa el limite del riesgo que
estamos dispuestos a correr de cometer error de tipo I (rechazar H0 cuando realmente es cierta); el
valor de alfa se fija en función de nuestros objetivos. El fijar un nivel bajo para α supone
incrementar la probabilidad de cometer error de tipo II (rechazar H1 siendo cierta); si nos preocupa
mas la posibilidad de cometer error de tipo II, la única forma de proceder es aumentar el valor de α.
---------------------------------------------------------------------