Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Semana 1 - 2 Mayo PDF
Semana 1 - 2 Mayo PDF
ECO – 307
Prof. Montserrat Acosta Morel, Ph.D.
Wooldridge, Ch. 5
PROPIEDADES ASINTOTICAS O
PROPIEDADES DE MUESTRAS
GRANDES
Consistencia
• A veces la insesgadez no se puede lograr, por lo que los
economistas están de acuerdo en que la consistencia es un
requisito mínimo para un estimador.
• DEFINICIONES
– Sea β*j el estimador de MCO de βj para alguna j. Para cada n, β*j
tiene una distribución de probabilidad.
– Como β*j es insesgado bajo los supuestos 1 – 4, la media de esta
distribución es βj.
– Si este estimador es consistente, entonces a medida que le tamaño
de la muestra aumenta, la distribución de β*j se estrechará cada
vez más en torno a βj. A medida que n tiende a infinito, la
distribución de β*j se colapsa hacia un solo punto βj.
– Si es posible recolectar tantos datos como se desee, entonces
puede hacerse que el estimador esté arbitrariamente cerca de βj
por lo que β*j converge a βj cuando nè∞
Teorema 5.1 – Consistencia de MCO
• La consistencia implica realizar un experimento para
saber lo que ocurre a medida que el tamaño de la
muestra aumenta. Si el obtener cada vez más datos
no lleva a acercarse al valor del parámetro de
interés, entonces el procedimiento de estimación
que se está usando no es adecuado.
• TEOREMA 5.1
– Bajo los supuestos 1 – 4, el estimador de MCO β*j es
consistence para βj, para toda j = 0, 1, …, k
• Hacer demostración en pizarra
Supuesto RLM.4’ – Media cero y
correlación cero
• En la demostración vimos que basta que se suponga
correlación cero para que MCO sea consistente en
el caso de la regresión simple.
• Por consiguiente, tenemos el siguiente supuesto
SUPUESTO RLM.4’ – Media cero y correlación cero
• E(u) = 0 y Cov(xj, y) = 0 para j = 1, 2, …, k
– Este es más débil que el RLM.4 porque mientras que
éste requiere E(uΙx1,…,xk) = 0, RLM.4’ sólo requiere
que ninguna xj esté correlacionada con u.
Obtención de la Inconsistencia en
MCO
• Así como el que no se satisfaga E(u|x1, …, xk) = 0 ocasiona
sesgo en los estimadores de MCO, la correlación entre u y
cualquier de las x1, …, xk causa, por lo general, que todos los
estimadores de MCO sean inconsistentes.
– Quiere decir que si el error esta correlacionado con cualquiera de las
variables independientes, entonces MCO es sesgado e inconsistente.
• La inconsistencia en β*j, algunas veces llamado sesgo
asintótico es: Cov(x1, u)
p lim β̂1 − β1 =
Var(x1 )
– Como Var(x1) > 0, la inconsistencia enβ*j es positiva si x1 y u
están correlacionadas positivamente y negativa si x1 y u están
correlacionadas negativamente.
• Para fines prácticos, puede considerarse que la
inconsistencia es lo mismo que el sesgo. La diferencia es
que la inconsistencia se expresa en términos de la
varianza poblacional de la x1 y de la covarianza
poblacional entre x1 y x2, mientras que el sesgo se basa
en sus contrapartes muestrales.
• La dirección del sesgo asintótico o la inconsistencia ya
se vio en el capitulo 3.
• Si la covarianza entre x1 y x2 es pequeña con relación a la
varianza de x1, la inconsistencia puede ser pequeña.
• Nota: en el caso de k regresores, obtener el signo y la
magnitud de la inconsistencia es mas difícil que para el
sesgo.
Ejemplo 5.1
• Precios de viviendas y distancia a un incinerador
– Sea y el precio de una casa (price), sea x1 la distancia de la casa a un
nuevo incinerador de basura (distance), y sea x2 la “calidad” de la
casa (quality). La variable quality se deja vaga de manera que pueda
comprender cosas como tamaño de la casa y del terreno, cantidad
de recámaras y de baños, así como aspectos intangibles como lo
atractivo de la zona. Si el incinerador hace que se deprecien las
casas, entonces β1 será positivo: permaneciendo todo lo demás
ingual, una casa que esté más lejos del incinerador valdrá más. Por
definición, β2 es positivo, ya que las casas de mayor calidad tienen
un precio más alto, permaneciendo todo lo demás ingual. Si el
incinerador se construyó más alejado de las mejores casas, en
promedio, etnonces distance y quality estarán correlacionadas
positivamente y de esta manera δ1 > 0. Una regresión simple de
price sobre distance tenderá a sobrestimar el efecto del incinerador:
β1 +β2δ1 >β1
Normalidad asintótica e inferencia
con muestras grandes
• Bajo los supuestos 1 – 5 de Gauss Markov:
i. n(β̂ j − β j ) ≈ Normal(0, σ 2 a 2j ) donde (σ a j )>0
2
es la varianza
2
. predict u, resid
. reg u pcnv ptime86 qemp86 avgsen tottime