Tema 5

TEMA
5
EL MODELO DE REGRESIÓN MÚLTIPLE:
CUESTIONES ADICIONALES
FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

ÍNDICE
1.CAMBIO DE UNIDADES DE MEDIDA
2.FORMA FUNCIONAL
3.BONDAD DEL AJUSTE

ÍNDICE
2.FORMA FUNCIONAL
3.BONDAD DEL AJUSTE

CAMBIO DE UNIDADES DE MEDIDA
¿Qué ocurre con las estimaciones MCO si

cambiamos la unidades de medida de las
variables?
¿Tenemos que reestimar el modelo?
¿Mejora el ajuste cambiando las unidades de

medida de las variables?

RECAPITULACIÓN TEMA 2
Si la variable dependiente se multiplica por la constante c,
entonces los valores estimados por MCO del término constante y
de la pendiente también se multiplican por c.
En general, si la variable independiente se divide o se multiplica

por una constante no nula, c, entonces el coeficiente de la
pendiente MCO se multiplica o se divide por c, respectivamente.
El coeficiente de determinación es independiente de las

unidades de medida de las variables dependiente, Y, e
independiente, X.

RECAPITULACIÓN TEMA 2
VARIABLE A VARIABLE BONDAD DEL
CONSTANTE PENDIENTE
EXPLICAR EXPLICATIVA AJUSTE
β0 β1
(Y) (X) R2
multiplica por k ‐ multiplica por k multiplica por k ‐
divide por k ‐ divide por k divide por k ‐
‐ multiplica por k ‐ divide por k ‐
‐ divide por k ‐ multiplica por k ‐
¿Cómo afecta un cambio en las unidades de medida de la variable

dependiente y/o independiente a los conceptos vistos en el tema 4:
errores estándar, los estadísticos t y F y los intervalos de confianza ?
EJEMPLO: Modelo en el que queremos estudiar el efecto que sobre el peso del recién
nacido, medido en onzas (bwght), tiene el número de cigarrillos consumido diariamente
por la madre (cigs) y el ingreso familiar anual (faminc), medido en miles de dólares.
bwght = β 0 + β1cigs + β2 faminc + u
1 CAMBIOS EN LA UNIDAD DE MEDIDA DE LA VARIABLE DEPENDIENTE
• ¿Qué sucede con nuestros estimadores MCO si medimos el peso del
recién nacido en libras (bwghtlbs) en lugar de en onzas?
2 CAMBIOS EN LA UNIDAD DE MEDIDA DE LA VARIABLE INDEPENDIENTE
• ¿Qué sucede si cambiamos las unidades de medida de cigs?

1 CAMBIOS EN LA UNIDAD DE MEDIDA DE LA VARIABLE DEPENDIENTE
• ¿Qué sucede con nuestros estimadores MCO si medimos el peso del
recién nacido en libras (bwghtlbs) en lugar de en onzas?
VARIABLE
DEPENDIENTE bwghtlbs = bwght / 16 1 libra = 16 onzas
NUEVA
1. El término constante y todas las pendientes se dividen por 16 (÷ 16).
2. Los errores estándar también son 16 veces más pequeños (÷ 16).
3. La suma de los cuadrados de los residuos se divide por 256 (÷ 16 al
cuadrado).

bwght/16=bwghtlbs
LOS COEFICIENTES DE
LA CONSTANTE Y DE LAS
PENDIENTES SE DIVIDEN
TAMBIÉN POR 16, DE
TAL FORMA QUE EL
/16
EFECTO DE UNA
VARIACIÓN DE XJ
SOBRE Y SIGUE SIENDO
EL MISMO
/16
CETERIS PARIBUS, POR
CADA CIGARRILLO DE
/16 MÁS QUE FUMA LA
MADRE EL PESO DEL
RECIÉN NACIDO SE
REDUCE EN 0,0289
LIBRAS, LO QUE EQUIVALE
A 0,0289*16=0,4634
ONZAS

bwght/16=bwghtlbs
¿EL CAMBIO DE ESCALA

EN LA VARIABLE
DEPENDIENTE AFECTA A
LA SIGNIFICATIVIDAD DE
/16 LOS COEFICIENTES?
¡NO!
/16
/16 LOS ERRORES ESTÁNDAR

DE LA CONSTANTE Y DE
LAS PENDIENTES SE
DIVIDEN TAMBIÉN POR
16, DE TAL FORMA QUE
EL ESTADÍSTICO T NO
CAMBIA

bwght/16=bwghtlbs
EL CAMBIO DE ESCALA
EN LA VARIABLE
DEPENDIENTE NO
AFECTA A LOS
ESTADÍSTICOS T NI, POR
/16 LO TANTO, A LA
SIGNIFICATIVIDAD DE
LOS COEFICIENTES.
/16 βˆcigs −0,0289

tβˆ = = =−5,07
cigs ˆ
se(βcigs) 0,0057
/16
βˆcigs −0,4634
tβˆ = = =−5,06
cigs
se(βˆcigs) 0,0916

bwght/16=bwghtlbs
¿CÓMO AFECTA EL CAMBIO EN LA

ESCALA AL INTERVALO DE
CONFIANZA DE LOS COEFICIENTES?
INTERVALO DE CONFIANZA AL 95% COEFICIENTE CIGS MODELO 1

Pr ( −0, 4634 − (1,96 x0, 0916 ) ≤ β j ≤ −0, 4634 + (1,96 x 0, 0916 ) ) = 0,95
Pr ( −0, 642936 ≤ β j ≤ −0, 283864 ) = 0,95 DIVIDIMOS LOS
EXTREMOS DE LOS
INTERVALO DE CONFIANZA AL 95% COEFICIENTE CIGS MODELO 2 INTERVALOS DE
Pr ( −0, 0289 − (1,96 x0, 0057 ) ≤ β j ≤ −0, 0289 + (1,96 x0, 0057 ) ) = 0,95 CONFIANZA POR 16
Pr ( −0, 040072 ≤ β j ≤ −0, 017728 ) = 0,95

2 CAMBIOS EN LA UNIDAD DE MEDIDA DE LA VARIABLE INDEPENDIENTE
• ¿Qué sucede si cambiamos las unidades de medida de cigs? Definamos
packs como el número de paquetes de cigarrillos consumidos diariamente.
VARIABLE packs = cigs / 20 1 paquete = 20

INDEPENDIENTE
NUEVA cigarrillos
El coeficiente de packs es 20 veces el de cigs (x 20).
bwght = β 0 + (β1 x20)packs + β 2 faminc + u

packs=cigs/20
EL COEFICIENTE Y EL ERROR
ESTÁNDAR DE LA VARIABLE
PACKS SON IGUALES A LOS
DE LA VARIABLE CIGS
MULTIPLICADOS POR 20
CETERIS PARIBUS, POR CADA

X20
PAQUETE DE TABACO DE
MÁS QUE FUMA LA MADRE
EL PESO DEL RECIÉN NACIDO
SE REDUCE EN 9,268
ONZAS
CETERIS PARIBUS, POR CADA

20 CIGARRILLOS DE MÁS
QUE FUMA LA MADRE EL
PESO DEL RECIÉN NACIDO SE
REDUCE EN
0,4634X20=9,268 ONZAS

packs=cigs/20
¿EL CAMBIO DE ESCALA

EN UNA VARIABLE
INDEPENDIENTE AFECTA
A LA SIGNIFICATIVIDAD
DE SUS COEFICIENTES?
X20 ¡NO!
EL ERROR ESTÁNDAR DE LA
PENDIENTE SE MULTIPLICA
TAMBIÉN POR 20, DE TAL
FORMA QUE EL
ESTADÍSTICO T NO CAMBIA

packs=cigs/20
EL CAMBIO DE ESCALA
EN UNA VARIABLE
INDEPENDIENTE NO
AFECTA A LA
SIGNIFICATIVIDAD DE
SUS COEFICIENTES.
X20
βˆpacks −9,268
tβˆ = = =−5,06
packs
se(βˆpacks) 1,832
βˆcigs −0,4634
tβˆ = = =− 5,06
cigs
se(βˆcigs ) 0,0916

RECAPITULACIÓN
VARIABLE
VARIABLE A SIGNIFICATI BONDAD
EXPLICATIV CONSTANTE PENDIENTE ERROR
EXPLICAR ‐VIDAD DEL AJUSTE
A β0 β1 ESTANDAR
(Y) (TEST T Y F) R2
(X)
multiplica multiplica multiplica multiplica

‐ ‐ ‐
por k por k por k por k
divide por divide por divide por divide por

‐ ‐ ‐
k k k k
multiplica divide por divide por

‐ ‐ ‐ ‐
por k k k
divide por multiplica multiplica

‐ ‐ ‐ ‐
k por k por k

ÍNDICE
2.FORMA FUNCIONAL
3.BONDAD DEL AJUSTE

FORMA FUNCIONAL
MODELO DE REGRESIÓN LINEAL → lineal en los parámetros
y = β0 + β1 x + u
El efecto de un incremento dado de X sobre Y es el mismo,

independientemente del nivel de partida que tome X
salârio = ‐0,9 + 1,234 educ
Incrementos en el nivel de educación en una unidad (año) llevan aparejados un
incremento en el nivel del salario de 1.234 euros, independientemente del nivel de
educación inicial.
Efecto porcentual no constante → el porcentaje de variación de Y

depende del nivel inicial de X

FORMA FUNCIONAL
LAS TRANSFORMACIONES LOGARÍTMICAS

DE LA VARIABLE DEPENDIENTE E
INDEPENDIENTE PERMITEN PALIAR ESTAS
LIMITACIONES

FORMA FUNCIONAL
TRANSFORMACIONES LOGARÍTMICAS → RECAPITULACIÓN
VBLE VBLE
MODELO INTERPRETACIÓN β1
DEP. INDEP.
Nivel – Nivel y x ∆y = β1∆x Por cada unidad que ↑x, y↑ en β1 unidades

Un ↑ de x en un 1% hace que Y ↑ en β1/100
Nivel – Log y Log(x) ∆y = (β1/100)%∆x
unidades
Log – Nivel Por cada unidad adicional de x, y↑ en un (100.
log(y) x ∆%y = (100.β1)∆x
Semielasticidad β1)%
Log – Log
log(y) Log(x) ∆%y = β1%∆x El ↑ en un 1% de x hace que y se ↑ en un β1 %
Elasticidad

FORMA FUNCIONAL
FUNCIONES CUADRÁTICAS y = β0 + β1 X1 + β2 X12 + u
PERMITEN CAPTAR EFECTOS MARGINALES CRECIENTES O DECRECIENTES
ŷ = βˆ 0 − βˆ 1 X1 + βˆ 2 X12 ŷ = βˆ 0 + βˆ 1 X1 − βˆ 2 X12
y y
X1
X1
y = β0 + β1 X1 + β2 X12 + u ¿β1? → ¿cambio en y con respecto a x? ¿Efecto

de un cambio en x sobre y suponiendo que x2 se
mantiene constante? ¡NO!
ŷ = βˆ 0 + βˆ 1 X1 + βˆ 2 X12
(
Δŷ ≈ βˆ 1 +2βˆ 2X1 ΔX1) Δŷ ΔX1 ≈ βˆ 1 +2βˆ 2X1
LA RELACIÓN ENTRE X E Y DEPENDE DEL VALOR DE X

FORMA FUNCIONAL
ŷ = βˆ 0 + βˆ 1 X1 − βˆ 2 X12 EFECTOS MARGINALES DECRECIENTES
( )
X1
x = βˆ 1 2βˆ 2
*
1
X1 < X1* → “x” tiene un efecto positivo sobre “y” X1 > X1* → “x” tiene un efecto negativo sobre “y”
Ceteris paribus, incrementos en el nivel de la Ceteris paribus, incrementos en el nivel de la
variable x1 da lugar a un incremento de “y” variable x1 da lugar a una reducción de “y”

FORMA FUNCIONAL
ŷ = βˆ 0 − βˆ 1 X1 + βˆ 2 X12 EFECTOS MARGINALES CRECIENTES
( )
x*1 = βˆ 1 2βˆ 2
X1 < X1* → “x” tiene un efecto negativo sobre “y” X1 > X1* → “x” tiene un efecto positivo sobre “y”
Ceteris paribus, incrementos en el nivel de la Ceteris paribus, incrementos en el nivel de la
variable x1 da lugar a una reducción de “y” variable x1 da lugar a un incremento de “y”

EJEMPLO
Buscamos conocer el efecto que la experiencia (exper) tiene sobre el salario
(wage):
wage = β 0 + β 1 exper + β 2 exper 2 + u
• La estimación de este modelo por MCO nos dice que la variable exper tiene
un efecto decreciente sobre wage.
• Concretamente, la rentabilidad de la experiencia se hace cero
aproximadamente a los 24,4 años:
exper *
= βˆ 1 /( 2 βˆ 2 ) = 0 . 298 /[ 2 ( 0 . 0061 )] ≈ 24 . 4

FORMA FUNCIONAL
INTERACCIONES y = β0 + β1 X1 + β2 X2 + β3 X1X2 + u El efecto que una explicativa

(x2) tiene sobre la explicada (y)
depende del valor que toma
otra variable del modelo (x1).
NOS PERMITE HACER QUE EL EFECTO PARCIAL DE UNA DETERMINADA VARIABLE

SOBRE LA VARIABLE DEPENDIENTE DEPENDA DE LA MAGNITUD DE OTRA
VARIABLE EXPLICATIVA.
price = β 0 + β 1 sqrft + β 2 bdrms + β 3 sqrft ⋅ bdrms + β 4 bthms + u
Δ price
= β 2 + β 3 sqrft
Δ bdrms
Cuanto mayor sea la superficie de la vivienda, mayor será el efecto de una

habitación adicional sobre el precio.

BONDAD DEL AJUSTE
ÍNDICE
2.FORMA FUNCIONAL
3.BONDAD DEL AJUSTE

BONDAD DEL AJUSTE
BONDAD DEL AJUSTE: medida de la capacidad de la relación lineal establecida

entre la variable a explicar (Y) y la variable explicativa (X) para explicar (Y)
COEFICIENTE DE DETERMINACIÓN R2: proporción de la variación explicada en

comparación con la variación total. Fracción de la variación muestral en y que
viene explicada por X.
SEC SCE
R =
2
=1−
STC STC
Valor acotado entre 0 y 1 → 0 ≤ R2≤ 1
Si R2 = 0 → poca capacidad explicativa. La parte sistemática de mi modelo

no explica nada de la variación de Y
Si R2 = 1→ todos los puntos de la muestra se encuentran sobre la recta,
modelo perfecto.
El coeficiente de determinación nunca decrece
cuando otra variable independiente es añadida a la
regresión.
Por definición, la SCE nunca aumenta cuando se
añaden regresores adicionales al modelo.
NO ES VÁLIDO para comparar modelos con distinto número de

variables explicativas.
SOLUCIÓN: Coeficiente de determinación ajustado

BONDAD DEL AJUSTE
COEFICIENTE DE DETERMINACIÓN R2 AJUSTADO
El R2 ajustado tiene en cuenta el número de variables en el modelo:
R =1−
2 [SCE (n − k − 1)]
Se penaliza los modelos que
añaden muchas variables
[STC (n − 1)] independientes
Depende de k, por lo que cuando añadimos una nueva variable explicativa, SCE
disminuye, pero también lo harán los g.d.l, de forma que que el término
SCE/(n‐k‐1) podrá disminuir o aumentar.
Los valores del R2 ajustado pueden utilizarse para comparar modelos que no

son anidados con la misma variable dependiente y las mismas observaciones .
Los estadísticos F sólo nos permiten seleccionar entre modelos anidados:
cuando el modelo restringido es un caso particular del modelo sin restringir.

BONDAD DEL AJUSTE
COMPARACIÓN DE MODELOS
9Los estadísticos F nos permiten seleccionar entre MODELOS ANIDADOS
→ esto es, en aquellos casos en los que un modelo (modelo
restringido) es el caso particular del otro modelo (modelo sin
restringir).
9Sin embargo no nos permiten seleccionar entre MODELOS NO
ANIDADOS con mismo número de observaciones y misma variable
dependiente. En ese caso, ninguna especificación constituye un
caso particular de la otra.
9En esos casos el R2 ajustado nos permite identificar el modelo con
mayor capacidad explicativa.

COEFICIENTE DE DETERMINACIÓN: COMPARACIÓN MODELOS NO ANIDADOS
Modelo 1 : rdintens = β 0 + β1 log(sales) + u

Modelo 2 : rdintens = β 0 + β1 sales + β 2 sales 2 + u
Preferimos el segundo caso porque tiene el R2 más alto
Modelo 1: estimaciones MCO Modelo 2: estimaciones MCO
utilizando las 32 observaciones 1‐32 utilizando las 32 observaciones 1‐32
Variable dependiente: rdintens Variable dependiente: rdintens
VARIABLE COEFICIENTE ERR. TÍP. ESTAD T VALOR P VARIABLE COEFICIENTE ERR. TÍP. ESTAD T VALOR P
const 1.10332 1.57857 0.699 0.48998 const 2.61155 0.429500 6.080 <0.00001 ***
l_sales 0.301790 0.215561 1.400 0.17176 sales 0.000300633 0.000139314 2.158 0.03935 **
sq_sales ‐6.94397E‐09 3.72664E‐09 ‐1.863 0.07257 *
Media de la var. dependiente = 3.26563
Media de la var. dependiente = 3.26563
Desviación típica de la var. dependiente. = 1.87408
Desviación típica de la var. dependiente. = 1.87408
Suma de cuadrados de los residuos = 102.2
Suma de cuadrados de los residuos = 92.7054
Error típico de los residuos = 1.84572 Error típico de los residuos = 1.78794
R‐cuadrado = 0.0613286 R‐cuadrado = 0.148534
R‐cuadrado corregido = 0.0300396 R‐cuadrado corregido = 0.0898125
Grados de libertad = 30 Estadístico F (2, 29) = 2.52946 (valor p = 0.0971)
Log‐verosimilitud = ‐63.9852 Log‐verosimilitud = ‐62.4251
Criterio de información de Akaike (AIC) = 131.97 Criterio de información de Akaike (AIC) = 130.85
Criterio de información Bayesiano de Schwarz (BIC) = 134.902 Criterio de información Bayesiano de Schwarz (BIC) = 135.247
Criterio de Hannan‐Quinn (HQC) = 132.942 Criterio de Hannan‐Quinn (HQC) = 132.308

Tema 5

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tema 5

Cargado por

Copyright:

Formatos disponibles

TEMA

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

¿Qué ocurre con las estimaciones MCO si

¿Tenemos que reestimar el modelo?

¿Mejora el ajuste cambiando las unidades de

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

En general, si la variable independiente se divide o se multiplica

El coeficiente de determinación es independiente de las

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

multiplica por k ‐ multiplica por k multiplica por k ‐

divide por k ‐ divide por k divide por k ‐

¿Cómo afecta un cambio en las unidades de medida de la variable

bwght = β 0 + β1cigs + β2 faminc + u

1 CAMBIOS EN LA UNIDAD DE MEDIDA DE LA VARIABLE DEPENDIENTE

2 CAMBIOS EN LA UNIDAD DE MEDIDA DE LA VARIABLE INDEPENDIENTE

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

1 CAMBIOS EN LA UNIDAD DE MEDIDA DE LA VARIABLE DEPENDIENTE

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

¿EL CAMBIO DE ESCALA

/16 LOS ERRORES ESTÁNDAR

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

/16 βˆcigs −0,0289

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

¿CÓMO AFECTA EL CAMBIO EN LA

INTERVALO DE CONFIANZA AL 95% COEFICIENTE CIGS MODELO 1

Pr ( −0, 040072 ≤ β j ≤ −0, 017728 ) = 0,95

2 CAMBIOS EN LA UNIDAD DE MEDIDA DE LA VARIABLE INDEPENDIENTE

VARIABLE packs = cigs / 20 1 paquete = 20

El coeficiente de packs es 20 veces el de cigs (x 20).

bwght = β 0 + (β1 x20)packs + β 2 faminc + u

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

CETERIS PARIBUS, POR CADA

CETERIS PARIBUS, POR CADA

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

¿EL CAMBIO DE ESCALA

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

multiplica multiplica multiplica multiplica

divide por divide por divide por divide por

multiplica divide por divide por

divide por multiplica multiplica

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

 El efecto de un incremento dado de X sobre Y es el mismo,

 Efecto porcentual no constante → el porcentaje de variación de Y

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

LAS TRANSFORMACIONES LOGARÍTMICAS

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

TRANSFORMACIONES LOGARÍTMICAS → RECAPITULACIÓN

Nivel – Nivel y x ∆y = β1∆x Por cada unidad que ↑x, y↑ en β1 unidades

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

FUNCIONES CUADRÁTICAS y = β0 + β1 X1 + β2 X12 + u

PERMITEN CAPTAR EFECTOS MARGINALES CRECIENTES O DECRECIENTES

y = β0 + β1 X1 + β2 X12 + u ¿β1? → ¿cambio en y con respecto a x? ¿Efecto

LA RELACIÓN ENTRE X E Y DEPENDE DEL VALOR DE X

ŷ = βˆ 0 + βˆ 1 X1 − βˆ 2 X12 EFECTOS MARGINALES DECRECIENTES

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

ŷ = βˆ 0 − βˆ 1 X1 + βˆ 2 X12 EFECTOS MARGINALES CRECIENTES

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

FUNDAMENTOS DE ECONOMETRÍA TEMA 5 – EL MRLM: CUESTIONES ADICIONALES

El efecto de un incremento dado de X sobre Y es el mismo,

Efecto porcentual no constante → el porcentaje de variación de Y

Valor acotado entre 0 y 1 → 0 ≤ R2≤ 1

Si R2 = 0 → poca capacidad explicativa. La parte sistemática de mi modelo

Los valores del R2 ajustado pueden utilizarse para comparar modelos que no