Documentos de Académico
Documentos de Profesional
Documentos de Cultura
APLICANDO
MÁXIMA
VEROSIMILITUD
ECONOMETRÍA I
2020
Se aplicará el modelo de Máxima Verosimilitud a las
exportaciones peruanas y sus determinantes durante el
periodo 1990-2019.
Fuente: BCRP
Modelo de regresión: 𝑋 = 𝛽0 + 𝛽1 ∗ 𝑇𝐶 + 𝛽2 ∗ 𝑀 + 𝛽3 ∗ 𝐷𝐼 + 𝑢
2. Resultado de la estimación mediante MCO
Primero se visualiza la regresión por MCO y sus resultados
porque serán de ayuda al momento de comparar con los
resultados mediante el modelo de MV.
𝑢 = 𝑦 − 𝑦̂………………………………………(3)
Donde ya se conoce que tiene una media igual a = 𝛽1𝑖 + 𝛽2𝑖 𝑋1𝑖 +
𝛽3𝑖 𝑋2𝑖 + 𝛽4𝑖 𝑋3𝑖 y una varianza 𝜎 2 . La función de densidad de
probabilidad conjunta de 𝑌1 , 𝑌2 , 𝑌3 , … , 𝑌30 , dadas las varianzas y
las medias anteriormente descritas, se escribe como se
muestra:
2
𝑛 𝑛 1 (𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )
= − 𝑙𝑛𝜎 2 − ln(2𝜋) − ∑
2 2 2 𝜎2
Hasta ahora se ha presentado de manera algebraica, sin
embargo, también se podría realizar de forma matricial en la
que se multiplica la transpuesta de la función por la función
como:
(𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )𝑇 ∗ (𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )
𝑑
𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 )
𝑑𝛽1
𝑑
𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 )
𝑑𝛽2
𝑑
𝑔𝑟𝑎𝑑𝑖𝑒𝑛𝑡𝑒(𝑙𝑛𝐹𝑉, 𝛽, 𝜎 2 ) = 𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 )
𝑑𝛽3
𝑑
𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 )
𝑑𝛽4
𝑑 2)
[𝑑 𝜎2 𝑙𝑛𝐹𝑉 𝛽, 𝜎 ]
(
𝑑 1
𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 ) = − 2 ∑(𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )(−𝑋1𝑖 )
𝑑 𝛽2 𝜎
𝑑 1
𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 ) = − 2 ∑(𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )(−𝑋2𝑖 )
𝑑 𝛽3 𝜎
𝑑 1
𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 ) = − 2 ∑(𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )(−𝑋3𝑖 )
𝑑 𝛽4 𝜎
𝑑 𝑛 1
𝑙𝑛𝐹𝑉(𝛽, 𝜎 2 ) = − 2 + 4 ∑(𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )2
𝑑𝜎 2
2𝜎 𝜎
Sin embargo, esta forma es un tanto tediosa a la hora de
resolver. Por ende, se opta por la notación matricial.
Recordemos lo siguiente:
(𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )𝑇 ∗ (𝑌𝑖 − 𝛽1𝑖 − 𝛽2𝑖 𝑋1𝑖 − 𝛽3𝑖 𝑋2𝑖 − 𝛽4𝑖 𝑋3𝑖 )
Y la derivada de
𝑑 1
𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 ) = 2 𝑋 𝑇 (𝑌 − 𝑋𝛽) = 0
𝑑𝛽 𝜎
𝛽̂ 𝑇 −1 𝑇
𝑀𝑉 = (𝑋 𝑋) 𝑋 𝑌
𝑛 2
𝑛 1 (𝑌𝑖 − 𝑋𝛽)𝑇 (𝑌𝑖 − 𝑋𝛽)
( )
= − 𝑙𝑛𝜎 − ln 2𝜋 −
2 2 2 𝜎2
𝑑 𝑛 1
𝑙𝑛𝐹𝑉 (𝛽, 𝜎 2 ) = − 2 + 4 (𝑌𝑖 − 𝑋𝛽)𝑇 (𝑌𝑖 − 𝑋𝛽) = 0
𝑑𝜎 2
2𝜎 2𝜎
𝑇
(𝑌𝑖 − 𝑋𝛽) (𝑌𝑖 − 𝑋𝛽)
𝜎̂
2
𝑀𝑉 =
𝑛
Como hallamos la varianza, recordar que, al inicio de este
trabajo, dejamos establecido que es error es el valor
observado de Y menos el valor estimado.
𝑇
𝑢 𝑢
𝜎̂
2
𝑀𝑉 =
𝑛
PROB:0.95 PROB:6.35*10-14
PROB:0.95 PROB:0
PROB:7.465*10-6
PROB:0.95