Econometría básica I Modelo Lineal de

tres variables

CAPITULO 3
MODELO DE REGRESION MULTIPLE

3.1 Estimación puntual

3.1.1 Especificación del modelo

Considérese el siguiente modelo:

Yi  1.23  12.3 X 2i  13.2 X 3i  i [3.1]

E ( i )  0
E ( i  j )  0
E ( i2 )   u2

En este tipo de modelos ahora es necesario suponer que 2 X 2 i  3 X 3i  0 . La razón es

que, consideramos que existe una influencia lineal separada de las variables exógenas,
X 2i y X 3i sobre la variable endógena Yi . De ahí que los coeficientes de las variables
exógenas, X 2i y X 3i , son denominados coeficientes de regresión parcial. Por la
notación utilizada resulta claro que 12.3 representa el cambio en la variable endógena,
Yi , debido exclusivamente al cambio, en una unidad de la variable exógena X 2 i ,
permaneciendo constante la variable exógena, X 3i . Similarmente, 13.2 representa el
cambio en la variable endógena, Yi , debido exclusivamente al cambio, en una unidad
de la variable exógena X 3i , permaneciendo constante la variable exógena, X 3i .

3.1.2 Método de mínimos cuadrados ordinarios

De [2.1] aplicando el operador de esperanza matemática se obtiene la siguiente FRP:

E (Yi )  1.23  12.3 X 2i  13.2 X 3i [3.2]

Econometría básica I Modelo Lineal de
tres variables

Si nuestro propósito es estimar los parámetros de la FRP establecida por [3.2]

consideremos que dicha estimación corresponde a la siguiente FRM:

Yˆi  ˆ1.23  ˆ12.3 X 2i  ˆ13.2 X 3i

[3.3]

Como la variable observada no siempre coincide con la variable estimada existe la

posibilidad de que se generen errores muestrales de forma que por definición se tiene:

ei  Yi  Yˆi [3.4]

Según el método de MCO, el criterio para estimar los parámetros de la FRP, es que la
 ei2 sea mínimo, por lo cual utilizando [3.4] se tiene:

e 2
i   (Yi  Yˆi ) 2

e 2
i   (Yi  1.23  12.3 X 2i  13.2 X 3i ) 2
[3.5]

  ei2
 2 (Yi  1.23  12.3 X 2i  13.2 X 3i )  0
1.23

  ei2
 2 (Yi  1.23  12.3 X 2i  13.2 X 3i )( X 2i )  0
12.3

  ei2
 2 (Yi  1.23  12.3 X 2 i  13.2 X 3i )( X 3i )  0
13.2

Estas tres últimas expresiones establecen que dos propiedades del método de MCO: la
sumatoria de los errores muestrales es cero y estos mismos errores muestrales son
independientes de las variables exógenas, ya que pueden ser escritas como:

  ei2
 2 (ei )  0
1.23

  ei2
 2 (ei )( X 2i )  0
12.3
  ei2
 2 (ei )( X 3i )  0
13.2
Econometría básica I Modelo Lineal de
tres variables

Adicionalmente, considérese que a través de ellas se puede deducir las siguientes

ecuaciones normales:

 Y  nˆ  ˆ  X  ˆ  X
i 1.23 12.3 2i 13.2 3i

 Y X  ˆ  X  ˆ  X  ˆ  X
i 2i 1.23 2i 12.3
2
2i 13.2 3i X 2i
 Y  ˆ  X  ˆ  X X  ˆ  X
i 1.23 3i 12.3 2i 3i 13.2
2
3i

De la primera ecuación normal se tiene:

Y  1.23  12.3 X 2  13.2 X 3 [3.6]

Aplicando sumatoria a [3.3] y dividiéndola por el número de observaciones, se tiene:

 Yˆ i  nˆ1.23  ˆ12.3  X 2 i  ˆ13.2  X 3i

Yˆ  1.23  12.3 X 2  13.2 X 3 [3.7]

Si los segundos miembros de [3.6] y [3.7] son iguales se entiende que:

Y  Yˆ

Esta última igualdad nos permite definir alternativamente los errores muestrales como:

ei  Yi  Y  Yˆi  Y [3.8]

Ordenado se tiene:

ei  yi  yˆ i

Donde:

yi  Yi  Y
yˆ i  Yˆi  Y  Yˆi  Yˆ

Restando miembro a miembro [3.3] y [3.7] se tiene:

Yˆi  Yˆ  12.3 ( X 2i  X 2 )  13.2 ( X 3i  X 3 )

yˆi  12.3 x2i  13.2 x3i
[3.9]

Donde:

x2 i  X 2i  X 2
Econometría básica I Modelo Lineal de
tres variables

x3i  X 3i  X 3

Por tanto, la sumatoria de errores al cuadrado también puede ser escrita como:

e 2
i  (y i  ˆ12.3 x2i  ˆ13.2 x3i ) 2
[3.10]

De donde:

  ei2
 2 ( yi  ˆ12.3 x2i  ˆ13.2 x3i )( x2i )  0
12.3
  ei2
 2 ( y i  ˆ12.3 x 2i  ˆ13.2 x3i )( x3i )  0
 13.2

Por lo cual nuevamente comprobamos que

  ei2
 2 (ei )( x2 i )  0
12.3
[3.11]
  ei2
 2 (ei )( x3i )  0
13.2
[3.12]

De los cuales se obtiene las siguientes ecuaciones normales alternativas:

y x i 2i  ˆ12.3  x 22i  ˆ13.2  x3i x 2i [3.13]

y x i 3i  ˆ12.3  x 2i x3i  ˆ13.2  x32i [3.14]

De la primera y segunda ecuación normal se tiene:

ˆ13.2 
 y x  ˆ  x
i 2i 12.3
2
2i

x x 3i 2i

ˆ13.2 
 y x  ˆ  x
i 3i 12.3 2i x 3i
x 2
i3

Igualando,

 y x  ˆ  x
i 2i 12.3
2
2i

y x i 3i  ˆ12.3  x 2 i x3i
x x 3i 2i x 2
3i
Econometría básica I Modelo Lineal de
tres variables

 x [ y x    x ]   x x [ y x    x x ]
2
3i i 2i 12.3
2
2i 3i 2i i 3i 12.3 2i 3i

 x  y x  ˆ  x  x   x x  y x  ˆ  x x  x
2
3i i 2i 12.3
2
3i
2
2i 3i 2i i 3i 12.3 3i 2i 2i x 3i
̂ [ x x  x x   x  x ]   x x  y x   x  y x
12.3 3i 2i 2i 3i
2
3i
2
2i 3i 2i i 3i
2
3i i 2i

ˆ12.3 
y x x x x y x
i 2i
2
3i 3i 2i i 3i
[3.15]
 x  x  ( x x ) 2
3i
2
2i 3i 2i
2

Análogamente,

ˆ13.2 
y x x x x  y x
i 3i
2
2i 3i 2i i 2i
[3.16]
 x  x  ( x x ) 2
3i
2
2i 3i 2i
2

Considerando que los siguientes coeficientes de correlación definidos por

r12 
yxi 2i
r13 
yx i 3i
r23 
x 2i x3i
nS1S 2 nS1S3 nS 2 S3

Entonces [3.15] se puede escribir como

nS S r nS32 r33  nS 2 S3r23nS1S3r13

ˆ12.3  1 2 12
nS32 r33nS 22 r22  [ nS 2 S3r23 ]2
Sr r Sr
ˆ12.3  1 12 23 21 13
S 2  S 2 r23
r r r S
ˆ12.3  12 132 23 . 1
1  r23 S 2
[3.17]

Análogamente
r r r S
ˆ13.2  13 122 23 . 1
1  r23 S3
[3.18]

3.1.3 Propiedades de los estimadores

3.1.3.1 Insesgo

De [3.15] se tiene que

ˆ12.3 
y x x x x y x
i 2i
2
3i 3i 2i i 3i

 x  x  ( x x ) 2
3i
2
2i 3i 2i
2
Econometría básica I Modelo Lineal de
tres variables

Pero también puede ser

ˆ12.3   (Y i  Y ) x2i  x32i   x3i x2i  (Yi  Y ) x3i

 x32i  x22i  ( x3i x2i ) 2
ˆ12.3  Y x  x   x x Y x
i 2i
2
3i 3i 2i i 3i

 x  x  ( x x )
2
3i
2
2i 3i 2i
2

ˆ12.3 
 [ x  x  x  x x ]Y
2i
2
3i 3i 3i 2i i

 x  x  ( x x )
2
3i
2
2i 3i 2i
2

̂12.3  c Yi i

[3.19]

Donde:

x2i  x32i  x3i  x2i x3i

ci  [3.20]
 x32i  x22i  ( x3i x2i ) 2
Reemplazando [3.1] en [3.19] se tiene

ˆ12.3   ci ( 1.23  12.3 X 2 i  13.2 X 3i  i )

ˆ12.3  1.23  ci  12.3  ci X 2i  13.2  ci X 3i   ci  i

De [3.20] se puede mostrar que

c  0
i [3.21]
c X  1
i 2i [3.22]
c X  0
i 3i [3.23]

Por tanto

ˆ12.3  12.3   ci  i [3.24]

Calculando a esta última expresión su valor esperado finalmente se tiene

E ( ˆ12.3 )  12.3   ci E (  i )
E ( ˆ12.3 )  12.3 [3.25]

Análogamente

ˆ13.2 
y x x x x  y x
i 3i
2
2i 3i 2i i 2i

 x  x  ( x x )
2
3i
2
2i 3i 2i
2
Econometría básica I Modelo Lineal de
tres variables

ˆ13.2 
 (Y i  Y ) x3i  x22i   x3i x2i  (Yi  Y ) x2i
 x  x  ( x x 2
3i
2
2i 3i 2i )2

ˆ13.2 
Y x  x   x x Y x
i 3i
2
2i 3i 2i i 2i

 x  x  ( x x ) 2
3i
2
2i 3i 2i
2

ˆ13.2 
 [ x  x  x  x x ]Y
3i
2
2i 2i 3i 2i i

 x  x  ( x x )
2
3i
2
2i 3i 2i
2

ˆ13.2  d iYi [3.26]

Donde:

x3i  x22i  x2i  x2i x3i

di  [3.27]
x x 2
3i
2
2i  ( x3i x2i ) 2

Reemplazando [3.1] en [3.26] se tiene

ˆ12.3   d i ( 1.23  12.3 X 2i  13.2 X 3i  i )

ˆ12.3  1.23  d i  12.3  d i X 2i  13.2  d i X 3i   d i  i

De [3.27] se puede mostrar que

d  0 i [3.28]
d X  0 i 2i [3.29]
d X 1 i 3i [3.30]

Por tanto

ˆ13.2  13.2   d i  i
[3.31]

Calculando a esta última expresión su valor esperado finalmente se tiene

E ( ˆ13.2 )  13.2   d i E (  i )
E ( ˆ13.2 )  13.2 [3.32]

3.1.3.2 Varianza

De [3.24] despejando se tiene

ˆ12.3  12.3   ci  i
Econometría básica I Modelo Lineal de
tres variables

Por definición la varianza del estimador ̂12.3 corresponde a

E ( ˆ12.3  12.3 ) 2  E ( ci  i ) 2
Var ( ˆ12.3 )  E ( ci  i ) 2
Var ( ˆ12.3 )  c  
2 2
i

Var ( ˆ12.3 )  c  
2 2
i

[3.33]

Reemplazando [3.20] en [3.33] se tiene

Var ( ˆ12.3 )   [ 2i 
x x32i  x3i  x2 i x3i 2 2
] 
 x32i  x22i  ( x3i x2i ) 2
Simplificando

Var ( ˆ12.3 )  [
x 2
3i
] 2
x x 2
3i
2
2i  ( x3i x2 i ) 2

[3.34]

Análogamente, de [3.31] despejando se tiene

ˆ13.2  13.2  d  i i

Por definición la varianza del estimador ˆ13.2 corresponde a

E ( ˆ13.2  13.2 ) 2  E ( d i  i ) 2
Var ( ˆ13.2 )  E ( d i  i ) 2
Var ( ˆ13.2 )  d
2
i
 2
Var ( ˆ13.2 )  d
2
i
 2
[3.35]

Reemplazando [3.27] en [3.35] se tiene

x3i  x22i  x2i  x2i x3i 2 2

Var ( ˆ12.3 )   [ ] 
 x32i  x22i  ( x3i x2i ) 2

Var ( ˆ13.2 )  [
x 2
2i
] 2
 x32i  x22i  ( x3i x2i ) 2
[3.36]
Adicionalmente, por definición de covarianza se tiene
Econometría básica I Modelo Lineal de
tres variables

Cov[ ˆ12.3 , ˆ13.2 ]  E[ ˆ12.3  12.3 ][ ˆ13.2  13.2 ] [3.37]

Cov[ ˆ , ˆ ]  E[c  ][d  ]
12.3 13.2 i i i i

Como

x2i  x32i  x3i  x2i x3i

ci 
 x  x  ( x x )
2
3i
2
2i 3i 2i
2

x x x x x
3i
2
2i 2i 2i 3i
di 
 x  x  ( x x )
2
3i
2
2i 3i 2i
2

Reemplazando

x2i  x32i  x3i  x2i x3i
Cov[ ˆ12.3 , ˆ13.2 ]  E[ ( ) 
 x32i  x22i  ( x3i x2i ) 2
i
x3i  x22i  x2i  x2i x3i
][ x 2 x 2  ( x x ) 2 )i ]
(
 3i  2 i  3i 2 i

ˆ ˆ
Cov[ 12.3 , 13.2 ]  E[
 x2i  i  x32i   x3i  i  x2i x3i  x3i  i  x22i   x2i  i  x2i x3i
][ ]
 x32i  x22i  ( x3i x2i ) 2  x32i  x22i  ( x3i x2i ) 2
ˆ ˆ
Cov[ 12.3 , 13.2 ]  E[
 x2i  i  x32i   x3i  i  x2i x3i  x3i  i  x22i   x2i  i  x2i x3i
][ ]
 x32i  x22i  ( x3i x2i ) 2  x32i  x22i  ( x3i x2i ) 2
Considerando que

 E ( x2 i  i  x32i )( x3i  i  x22i )  x x 2

3i
2
2i E[ x2 i  i  x3i  i ]
E ( x2i  i  x )( x3i  i  x )     x
2
3i
2
2i
2 2
3i x x 2
2i 2i x 3i

 E ( x2 i  i  x )(  x2i  i  x2 i x3i ) 
2
3i  x  x x E[ x   x 2
3i 2i 3i 2i i 2i i ]
E ( x2 i   x )( x   x x )     x  x x  x
i
2
3i 2i i 2i 3i
2 2
3i 2i 3i
2
2i

 E (  x3i   x x )( x   x )   x x  x E[ x   x

i 2i 3i 3i i
2
2i 2i 3i
2
2i 3i i 3i i ]
E ( x3i   x x )( x   x )     x x  x  x
i 2i 3i 3i i
2
2i
2
2i 3i
2
2i
2
3i

 E (  x3 i   x x )( x   x x )  [ x x ] E[ x   x
i 2i 3i 2i i 2i 3i 2i 3i
2
3i i 2i i ]
E (  x3 i   x x )( x   x x )    [ x x ]
i 2i 3i 2i i 2i 3i
2
2i 3i
3

Reemplazando se tiene

 2  x2i x 3i [ x32i  x22i   x32i  x22i   x22i  x32i  ( x2i x3i ) 2 ]

Cov[ ˆ12.3 , ˆ13.2 ] 
[ x32i  x22i  ( x3i x2 i ) 2 ]2
  2  x2i x 3i [ x32i  x22i  ( x2i x3i ) 2 ]
Cov[ ˆ12.3 , ˆ13.2 ] 
[ x32i  x22i  ( x3i x2i ) 2 ]2
Econometría básica I Modelo Lineal de
tres variables

  2  x2i x 3i
Cov[ ˆ12.3 , ˆ13.2 ] 
x x
2
3i
2
2i  ( x3i x2i ) 2
[3.38]

3.1.3.3 Varianza mínima

Supongamos el siguiente estimador lineal arbitrario

̂ˆ12.3   aiYi
[3.39]

Reemplazando [3.1] en [3.39]

ˆ12.3   ai ( 1.23  12.3 X 2i  13.2 X 3i  i )

ˆ12.3  1.23  ai  12.3  ai X 2i  13.2  ai X 3i   ai  i [3.40]

Dado que E (  i )  0 , este estimador arbitrario será insesgado

E ( ˆ12.3 )  12.3

Siempre y cuando se cumpla que,

a  0
i [3.41]
a X 1
i 2i [3.42]
a X  0
i 3i [3.43]

Reemplazando [3.41], [3.42] y [3.43] en [3.40] se obtiene

ˆ12.3  12.3   ai  i

De donde,

ˆ12.3  12.3   ai  i

Por definición de varianza

E ( ˆ12.3  12.3 ) 2  E ( ai  i ) 2
Var ( ˆ12.3 )  E ( ai  i ) 2
Econometría básica I Modelo Lineal de
tres variables

Var ( ˆ12.3 )   a i  2
2

[3.44]

Si el objetivo es que la varianza del estimador arbitrario sea mínima satisfaciendo las
condiciones de linealidad e insesgo procedemos a utilizar los multiplicadores de
Lagrange definiendo la siguiente función a optimizar

a   1  ai  2 [ ai X 2 i  1]  3  ai X 3i
2
Z  i
2

Z
 2ai 2  1  2 X 2i  3 X 3i  0
ai
[3.45]
Z
  ai  0 [3.46]
1
Z
  ai X 2i 1  0 [3.47]
2
Z
   ai X 3i  0 [3.48]
3

De [3.45] despejando se obtiene

1
ai  [1  2 X 2i  3 X 3i ]
2 2

De donde

1
a i 
2 2
[n1  2  X 2i  3  X 3i ]  0

1
a X i 2i 
2 2
[1  X 2i  2  X 22i  3  X 2i X 3i ]  1

1
a X i 3i 
2 2
[1  X 3i  2  X 3i X 2i  3  X 32i ]  0

Simplificando

n1  2  X 2i  3  X 3i  0
1  X 2i  2  X 22i  3  X 2i X 3i  2 2
1  X 3i  2  X 3i X 2i  3  X 32i  0

Para resolver este sistema, aplicando la regla de Cramer se obtiene

Econometría básica I Modelo Lineal de
tres variables

0 X X 2i 3i

2 2
 X X X 2
2i 2i 3i

1 
0 X X X
3i 2i
2
3i   X 2i  X 32i   X 3i X 2i
 2  2
  X 3i


X X

n 2i 3i  A 
 X 2i X X X 2
2i 2i 3i

 X 3i X X X 3i 2i
2
3i

n 0 X 3i

X 2i 2 2
 X X 2i 3i

2 
X 3i 0 X 2
3i
 n X 32i   X 3i
 2  2   2


X X

n 2i 3i  A 
X 2i X 2
2i X X 2i 3i

X 3i X X 3i 2i X 2
3i

n X 0 2i

 X 2i X 2  2
2i
2

3 
 X 3i X X 0 3i 2i  n  X 3i X 2 i   X 3i  X 2 i 
 2 2  
n X X 2i 3i  A 
 X 2i X X X 2
2i 2i 3i

 X 3i X X X
3i 2i
2
3i

Donde:

A  n[ X 22i  X 32i   X 2i X 3i ]   X 2i [ X 2 i  X 32i   X 2 i X 3i  X 3i ] 

 X [ X  X X   X  X ]
3i 2i 2i 3i
2
2i 3i

A  n  X  X  n X X  [  X ]  X
2
2i
2
3i 2i 3i 2i
2 2
3i   X 2 i X 3i  X 2 i  X 3i 
 X  X  X X   X [ X ]
3i 2i 2i 3i
2
2i 3i
2

A  n X  X  n X X  [ X ]  X
2
2i
2
3i 2i 3i 2i
2 2
3i  2 X 2i X 3i  X 2i  X 3i ]   X 22i [ X 3i ]2

1
ai  [1  2 X 2i  3 X 3i ]
2 2
x2i  x32i  x3i  x2i x3i
ci 
 x32i  x22i  ( x3i x2i ) 2
3.1.4 Varianza de la regresión
Econometría básica I Modelo Lineal de
tres variables

Al igual que en el capítulo anterior el procedimiento para determinar el estimador de la

varianza de la regresión,   , es el mismo. Partimos de la idea de que el modelo
2

planteado en [3.1] tiene su contraparte muestral deducida de [3.3] y [3.4] el cual

corresponde a

Yi  ˆ1.23  ˆ12.3 X 2 i  ˆ13.2 X 3i  ei [3.51]

Si comparamos [3.1] y [3.51] resulta evidente que la única manera de estimar la

varianza de  i es a través de los ei . Es decir, la varianza de los errores teóricos debe
ser estimado a través de los errores muestrales.

Aplicando el operador de sumatoria a [3.1] y luego dividiéndola por el número de

observaciones se tiene

Y  1.23  12.3 X 2  13.2 X 3   [3.52]

Restando [3.1] menos [3.52] miembro a miembro

yi  12.3 x2i  13.2 x3i   i   [3.53]

Dado [3.53] y [3.9]

ei  [ ˆ12.3  12.3 ]x2i  [ ˆ13.2  13.2 ]x3i   i  

Por tanto

e 2
i  [ ˆ12.3  12.3 ]2  x22i [ ˆ13.2  13.2 ]2  x32i   (  i   ) 2  2[ ˆ12.3  12.3 ][ˆ13.2  13.2 ] x2i x3i
 2[ ˆ12.3  12.3 ] x2i (  i   )  2[ ˆ13.2  13.2 ] x3i (  i   )

Calculando el valor esperado se obtiene

E[ ei2 ]  Var [ ˆ12.3 ] x22i  Var [ ˆ13.2 ] x32i  E[ (  i   ) 2 ]  2Cov[ ˆ12.3 , ˆ13.2 ] x2i x3i
 2 E{[ ˆ12.3  12.3 ] x2i (  i   )}  2 E{[ ˆ13.2  13.2 ] x3i (  i   )}

Como

a) Var ( ˆ12.3 )  [
x 2
3i
] 2
 x  x  ( x
2
3i
2
2i 3i x2i ) 2

b) Var ( ˆ13.2 ) [
x 2
2i
] 2
 x  x  ( x
2
3i
2
2i 3i x2i ) 2
Econometría básica I Modelo Lineal de
tres variables

c) E[ (  i   ) ]  n    
2 2 2

 2 2 ( x2 i x 3i ) 2
d) 2Cov[ ˆ12.3 , ˆ13.2 ] x2i x3i 
x x 2
3i
2
2i  ( x3i x2 i ) 2
e)  2 E{[ ˆ12.3  12.3 ] x2i ( i   )}  2 2

Dado que

x2i  x32i  x3i  x2i x3i

E{[ ˆ12.3  12.3 ] x2i (  i   )}  [ ( )  i ][ x2i (  i   )]
 x32i  x22i  ( x3i x2i ) 2
E{[ ˆ12.3  12.3 ] x2i (  i   )}  [
 x   x   x   x x ][ x
2i i
2
3i 3i i 2i 3i
i ]
 x  x  ( x x ) 2 2 2 2i
3i 2i 3i 2i

   x  x    ( x x )
2 2 2 2 2

E{[ ˆ12.3  12.3 ] x2i (  i   )}  [ ]  

2i 3i 2i 3i 2

 x  x  ( x x ) 2
3i
2
2i 3i 2i
2

f)  2E{[ˆ13.2  13.2 ] x3i (i   )  2 2

Dado que
x  x2  x  x x
E{[ˆ13.2  13.2] x3i (i   )  E[ 3i 2 2i 2 2i 2i 3i 2] x3i (i   )
 x3ix2i  (x3ix2i)
x  x2  x  x x
E{[ˆ13.2  13.2 ] x3i(i  )  E[( 3i 2 2i 2 2i 2i 3i 2 )i ] x3ii
x3ix2i  ( x3ix2i)
 x  x  x  x x ] x 
E{[ˆ13.2  13.2 ] x3i (i  )  E[
2
3i i 2i 2i i 2i 3i

 x  x ( x x )
2 2
3i 2i 3i 2i
2 3i i

E{[ˆ   ] x (   )  E[    ]  
2
 x x  ( x x )
2 2 2 2
 3i 2i  2i 3i 2

 x  x ( x x ) 2 
13.2 13.2 3i i 2 2
3i 2i 3i 2i

Entonces

E[ ei2 ]  [
x x ]   [
x x 2
2i
2
3i 2
2
2i
2
3i
] 2  n 2   2
 x  x  ( x x )  x  x  ( x
2
3i
2
2i 3i 2i
2 2
3i
2
2i 3i x 2 i )
2

 2 ( x x ) 2
 2i
2

 2  2 3i 2 2

 x  x  ( x x ) 2 2 2  
3i 2i 3i 2i

2 x22i  x32i  2( x3i x2i ) 2

E[ ei2 ]  [ ] 2  n 2   2  4 2
 x32i  x22i  ( x3i x2i ) 2
E[ ei2 ]  2 2  n 2   2  4 2
E[ ei2 ]  (n  3) 2 [3.54]

Para una muestra particular el estimador de la varianza de la regresión está dada por

ˆ 2 
e 2
i
[3.55]
n3

3.1.5 Coeficiente de determinación

Econometría básica I Modelo Lineal de
tres variables

Considerando que,

e 2
i   ( yi  yˆ i ) 2   y i2   yˆ i2  2 yi yˆ i
e 2
i   ( y i  yˆ i ) 2   y i2   yˆ i2  2 ( yˆ i  ei ) yˆ i
e 2
i  y 2
i   yˆ i2  2 ( yˆ i  ei ) yˆ i
e 2
i  y 2
i   yˆ i2  2( yˆ i yˆ i   ei yˆ i )

Como

 e yˆ  e ( 
i i i 12.3 x 2i   13.2 x3i )   12.3  ei x 2i   13.2  ei x3i  0
[3.56]

Se tiene,

e 2
i   y i2   yˆ i2

Es decir,

y 2
i   yˆ i2   ei2

De donde,

y 2
i

 yˆ 2
i

e 2
i

y 2
i y 2
i y 2
i

1 R 2

e 2
i

y
1.23 2
i

Puesto que,

 yˆ  yˆ ( y  e )   yˆ y   yˆ e
2
i i i i i i i i

 yˆ   x y    x y
2
i 12.3 2i i 13.2 3i i

[3.57]
Entonces,

 12.3  x 2i y i   13.2  x3i y i

R12.23 
y 2
i

[3.58]

Como
Econometría básica I Modelo Lineal de
tres variables

r r r S
ˆ12.3  12 132 23 . 1
1  r23 S 2
r r r S
ˆ13.2  13 122 23 . 1
1  r23 S3

Entonces

r12  r13r23 S1 r r r S
. [ x2i yi ]  12 132 23 . 1 [ x3i yi ]
1  r23 S 2
2
1  r23 S 2
R12.23 
 yi 2

r12  r13r23 S1 r r r S
. [ nS1S 2 r12 ]  13 122 23 . 1 [nS1S3r13 ]
1  r23 S 2
2
1  r23 S3
R12.23  2
nS1 r11
r12  r13r23 r r r
[nS12 r12 ]  13 122 23 [nS12 r13 ]
1  r23
2
1  r23
R12.23  2
nS1
r122  r12 r13r23 r132  r12 r13r23
[nS1 ] 
2
[nS12 ]
1  r232
1  r232
R12.23  2
nS1
r122  r12 r13r23 r132  r12 r13r23
R 2
1.23  
1  r232 1  r232
r122  r132  2r12 r13r23
R12.23  [3.59]
1  r232

3.1.6 Coeficiente de correlación parcial

En consideración a las variables Yi , X 2i y X 3i , se define como el coeficiente de

correlación parcial r12.3 como el grado de asociación entre Yi y X 2i después de que
se ha eliminado el efecto (o influencia lineal) de X 3i sobre X 2i e Yi . De forma
similar, el coeficiente de correlación parcial r13.2 es el grado de asociación entre Yi y
X 3i después de que se ha eliminado el efecto (o influencia lineal) de X 2 i sobre X 3i e
Yi .

¿Cuál es la influencia lineal de X 3i sobre sobre X 2i e Yi ? ¿Cómo eliminar dicha

influencia lineal?

La influencia lineal de X 3i sobre Yi esta determinado por la siguiente regresión lineal

Econometría básica I Modelo Lineal de
tres variables

Yˆi  ˆ1.3  ˆ13 X 3i

Por tanto, la variable Yi libre de la influencia lineal de X 3i debe ser

e1i  Yi  Yˆi

El cual expresado en términos de desviaciones viene a ser

e1i  yi  ̂13 x3i [3.60]

Análogamente, la influencia lineal de X 3i sobre X 2i esta determinado por la siguiente

regresión lineal

Xˆ 2i  ˆ2.3  ˆ23 X 3i

Por tanto, la variable X 2i libre de la influencia lineal de X 3i debe ser

e2i  X 2i  Xˆ 2i

El cual puede ser expresado en términos de desviaciones como

e2i  x2 i  ̂ 23 x3i [3.61]

De modo que por definición se tiene que

r12.3 
e e 1i 2 i

n
e e 2
1i
2
2i
[3.62]
n n

Reemplazando [3.60] y [3.61] en [3.62]

r12.3 
 ( yi  ˆ13 x3i )( x2i  ˆ23 x3i )
n
 ( yi  ˆ13 x3i ) 2  ( x2i  ˆ23 x3i ) 2
n n

r12.3 
(y x i 2i  ˆ23 x3i yi  ˆ13 x2i x3i  ˆ13 ˆ23 x32i )

(y 2
i  ˆ132 x32i  2 ˆ13 yi x3i )  (x 2
2i  ˆ23
2
x32i  2 ˆ23 x2i x3i )

r12.3 
 y x  ˆ  x y  ˆ  x
i 2i 23 3i i 13 2i x3i  ˆ13 ˆ23  x32i

y 2
i  ˆ  x  2 ˆ  y x
2
13 x
2
3i 13 i 3i
2
2i  ˆ23
2
 x32i  2ˆ23  x2i x3i
Econometría básica I Modelo Lineal de
tres variables

x x x y  y x x x y x x x x
yx    2i 3i i 3i
 i

3i 2i 3i 2

x x x x
i 2i 2 3i i 2 2i 3i 2 2 3i
3i 3i 3i 3i
r12.3 
yx yx  x x ] x  2[ x x ]
 y [ x ]  x  2 x  y x  x
2 i 3i 2 2 i 3i 2
[  2i 3i 2 2 2 i 3i

  x x
i 2 3i 2 i 3i 2i 2 3i 2
3i 3i 3i 3i

 x  y x  x x  x y   y x  x
2
3i i 2i 2i 3i 3i i i 3i 2i x  y x  x x
3i i 3i 2i 3i

r12.3 
x 2
3i

 y  x  ( y x )  2( y x )  x  x
2
i
2
3i i 3i
2
i 3i
2 2
2i
2
3i ( x2i x3i ) 2  2( x2i x3i ) 2
x 2
3i x 2
3i

r12.3 
x y x 2
3i i 2i  x 2i x3i  x3i yi
 y  x  ( y x
2
i
2
3i i 3i )2 x x 2
2i
2
3i ( x 2i x3i ) 2
[3.63]

nS 32 r33 nS1 S 2 r12  nS 2 S 3 r23 nS1 S 3 r13

r12.3 
nS12 r11 nS 32 r33  (nS1 S 3 r13 ) 2 nS 22 r22 nS 32 r33  ( nS 2 S 3 r23 ) 2

n 2 S 32 S1 S 2 [r12  r23 r13 ]

r12.3 
n 2 S12 S 32 [1  r132 ] n 2 S 22 S 32 [1  r232 ]

r12  r13 r23

r12.3 
1  r132 1  r232
[3.64]

De forma similar, la influencia lineal de X 2i sobre Yi esta determinado por la

siguiente regresión lineal

Yˆi  ˆ1.2  ˆ12 X 2i

Por lo cual, la variable Yi libre de la influencia lineal de X 2i debe ser

e3i  Yi  Yˆi

Que expresado en términos de desviaciones es

e3i  yi  ˆ12 x2 i [3.65]

Econometría básica I Modelo Lineal de
tres variables

Análogamente, la influencia lineal de X 2i sobre X 3i esta determinado por la siguiente

regresión lineal

Xˆ 3i  ˆ3.2  ˆ32 X 2i

Por tanto, la variable X 2i libre de la influencia lineal de X 3i debe ser

e4i  X 3i  Xˆ 3i

El cual puede ser expresado en términos de desviaciones como

e4 i  x3i  ̂ 32 x2i [3.66]

De modo que por definición se tiene que8

r13.2 
e e 3i 4 i

n
e e 2
3i
2
4i
[3.67]
n n

Reemplazando [3.65] y [3.66] en [3.67]

r13.2 
 ( y  ˆ i 12 x2i )( x3i  ˆ32 x2i )

n
 ( y  ˆ xi 12 2i )2  (x 3i  ˆ32 x2 i ) 2
n n

r13.2 
(y x i 3i  ˆ32 x2i yi  ˆ12 x2 i x3i  ˆ12 ˆ32 x22i )

(y 2
i  ˆ12 x2i  2 ˆ12 yi x2i )
2 2
 (x 2
3i  ˆ32
2
x22i  2 ˆ32 x2i x3i )

r13.2 
 y x  ˆ  x y  ˆ  x
i 3i 32 2i i 12 2i x3i  ˆ12 ˆ32  x22i

y 2
i  ˆ  x  2 ˆ  y x
2
12 x 2
2i 12 i 2i
2
3i  ˆ32
2
 x22i  2ˆ32  x2i x3i

yx 
x x x y  y x x x
2i 3i i 2i

y x x x x
i 2i 2i 3i 2

x x x x
i 3i 2 2i i 2 2i 3i 2 2 2i
2i 2i 2i 2i
r13.2 
 yi2  [ yx i 2i
] x 2
2 y x y x x
2 i 2i 2
[
 x x ]  x  2[ x x
2i 3i 2 2 2i 3i ]2
x x x x
2 2i 2 i 2i 3i 2 2i 2
2i 2i 2i 2i
Econometría básica I Modelo Lineal de
tres variables

 x  y x  x
2
2i i 3i 2i x3 i  x 2 i y i   y i x 2 i  x 2 i x3 i   y i x 2 i  x 2 i x3 i

r13.2 
x 2
2i

y x 2
i
2
2i  (  y i x 2 i ) 2  2(  y i x 2 i ) 2 x x 2
2i
2
3i  ( x2i x3i ) 2  2( x2i x3i ) 2
x 2
2i x 2
2i

r13.2 
x  y x 2
2i i 3i   x 2 i x 3i  x 2 i y i
 y  x  ( y x
2
i
2
2i i 2i )2 x x 2
2i
2
3i  (  x 2 i x 3i ) 2
[3.68]

nS 22 r22 nS1 S 3 r13  nS 2 S 3 r23 nS1 S 2 r12

r13.2 
nS12 r11 nS 22 r22  (nS1 S 2 r12 ) 2 nS 22 r22 nS32 r33  (nS 2 S 3 r23 ) 2

n 2 S 22 S1 S 3 [r13  r23 r12 ]

r13.2 
n 2 S12 S 22 [1  r122 ] n 2 S 22 S 32 [1  r232 ]

r13  r12 r23

r13.2 
1  r122 1  r232
[3.69]

Este concepto de coeficientes de correlación parcial nos permite retomar el concepto de

coeficientes de regresión parcial. Recuérdese que sostuvimos que 12.3 representa el
cambio en la variable endógena, Yi , debido exclusivamente al cambio, en una unidad
de la variable exógena X 2i , permaneciendo constante la variable exógena, X 3i . En
otros términos, 12.3 es el grado de sensibilidad de la variable endógena, Yi , debido al
cambio en una unidad de la variable exógena, X 2i , después que se ha eliminado el
efecto (o influencia lineal) de X 3i sobre Yi y X 2i . Por tanto, utilizando [3.60] y
[3.61], podemos plantear la función de regresión muestral de la variable endógena e1i (
Yi libre de la influencia lineal de X 3i ) en función de una sola variable exógena e2 i (
X 2i libre de la influencia lineal de la variable X 3i ) siguiente:

eˆ1i  ˆe2i [3.70]

De acuerdo a las consideraciones del segundo capítulo el estimador mínimo cuadrático

de la regresión [3.70] está dado por

ˆ 
e e1i 2 i
[3.71]
e 2
2i

Reemplazando [3.60] y [3.61] en [3.71] se tiene

Econometría básica I Modelo Lineal de
tres variables

ˆ  (y i  ˆ13 x3i )( x2i  ˆ23 x3i )

 ( x  ˆ x ) 2
2i 23 3i

ˆ   ( y x  ˆ
i 2i 23 x3i yi  ˆ13 x2i x3i  ˆ13 ˆ23 x32i )
 (x 2
2i  ˆ23
2
x32i  2 ˆ23 x2i x3i )

x x x yx x y x x x x
 yi x 2 i   2i 3i
3i y i   i 3i
 2 i x3i 
i 3i 2 i 3i 2

x x x x
2 2 2 2 3i

ˆ  3i 3i 3i 3i

x x 2[ x x ]
x 2
[ 2i 3i
] x 
2 2 2 i 3i

x x
2i 2 3i 2
3i 3i

x y x
2
3i i 2i  x2i x3i  x3i yi   yi x3i  x2i x3i   yi x3i  x2i x3i

ˆ  x 2
3i

x x 2
2i
2
3i  ( x x 2i 3i ) 2  2( x2i x3i ) 2
x 2
3i

ˆ   x  y x  x x  x
2
3i i 2i 2i 3i 3i yi
[3.72]
 x  x ( x x )
2
2i
2
3i 2i 3i
2

Finalmente, de [3.15] y [3.72] se concluye que ˆ  ˆ12.3 .