Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sesión 9
Sesión 9
1
ÍNDICE
1. Contrastes de hipótesis e intervalos de confianza para un
parámetro
2. Contrastes de hipótesis conjuntas
3. Otro tipo de contrastes sobre varios parámetros
4. Conjuntos de confianza para varios parámetros
2
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN MÚLTIPLE –
CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA PARA UN PARÁMETRO
β1− E(β1)
es aproximadamente N(0,1) (teorema central del límite)
var(β1 )
El estadístico t tiene una distribución aproximada para muestras grandes N(0,1) (bajo la nula)
De esta forma, un contraste sobre β1 se puede basar en el estadístico t habitual y el intervalo de
confianza se construye como [β1 ± 1,96×ES(β1 )]
Idénticos resultados para β2 ,…, β𝑘
¡IMPORTANTE! Si se cumplen los cuatro supuestos de mínimos cuadrados del modelo múltiple y añadimos
homocedasticidad (varianza condicional del error constante) y normalidad condicional del error es posible
derivar la distribución exacta de t (en su forma válida bajo homocedasticidad) bajo la nula: t de Student con
n-k-1 grados de libertad (𝒕𝒏−𝒌−𝟏 )
La hipótesis nula que “los recursos escolares no afectan a las notas” y la alternativa que
sí afectan, se corresponden a
H0: β1 = 0 y β2 = 0
vs. H1: β1 ≠ 0 ó β2 ≠ 0 ó ambas
5
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONTRASTES DE HIPÓTESIS CONJUNTAS
Una hipótesis conjunta impone más de una restricción sobre los parámetros del modelo
Una idea de “sentido común” sería rechazar la nula al 5% si cualquiera de los estadísticos t
excediese 1,96 en valor absoluto
6
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONTRASTES DE HIPÓTESIS CONJUNTAS
¿Por qué no podemos simplemente contrastar los coeficientes individuales “de uno en uno”?
¿Cuál es esa probabilidad de rechazar incorrectamente la nula cuando es cierta de este contraste “de
uno en uno”? Para simplificar el cálculo, asumamos que t1 y t2 son independientes (en general, esto no
es verdad). Claramente:
β1 − E(β1 ) β2 − E(β2 )
𝑡1 = 𝑦 𝑡2 =
𝐸𝑆(β1 ) 𝐸𝑆(β2 )
El contraste “de uno en uno” es: rechazar H0: β1 = β2 = 0 si |t1| > 1.96 y/ó |t2| > 1.96
¿Cuál es la probabilidad de rechazar incorrectamente la nula cuando es cierta de este contraste?
(Debería ser 5%)
7
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONTRASTES DE HIPÓTESIS CONJUNTAS
¿Por qué no podemos simplemente contrastar los coeficientes individuales “de uno en uno”?
La probabilidad de rechazar la nula cuando es cierta (tamaño del contraste) sería
𝑃𝑟𝐻0 |t1| > 1,96 y/ó |t2| > 1,96 = 1 − 𝑃𝑟𝐻0 |t1| ≤ 1,96 y |t2| ≤ 1,96
= 1 − 𝑃𝑟𝐻0 |t1| ≤ 1,96 𝑃𝑟𝐻0 |t2| ≤ 1,96 = 1 − 0,952 = 0,0975
El tamaño es 9,75% cuando debería ser 5%
El tamaño depende de la relación entre t1 y t2 (es decir, de la dependencia entre β1 y β2 )
Soluciones:
Método de Bonferroni: usar este procedimiento ajustando los valores críticos
(raramente usado en la práctica)
Usar un estadístico de contraste distinto diseñado para contrastar ambas
restricciones a la vez: el estadístico F (esto es lo que se usa en la práctica)
8
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONTRASTES DE HIPÓTESIS CONJUNTAS
El estadístico F
El estadístico F contrasta a la vez todas las restricciones
Fórmula para el caso especial de contraste conjunto β1 = β1,0 y β2 = β2,0 en una regresión con dos regresores
2 2
1 𝑡1 +𝑡2 −2ρ𝑡1,𝑡2 𝑡1 𝑡2
𝐹=
2 1−ρ2𝑡1 ,𝑡2
9
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONTRASTES DE HIPÓTESIS CONJUNTAS
La distribución en muestras grandes del estadístico F
Consideremos inicialmente una situación particular donde t1 y t2 son independientes y la nula es cierta
2 2
1 𝑡1 +𝑡2 −2ρ𝑡1,𝑡2 𝑡1 𝑡2 1
𝐹= ≈ 𝑡12 + 𝑡22
2 1−ρ2𝑡1 ,𝑡2 2
Bajo la nula, t1 y t2 tienen aproximadamente distribuciones normales estándar que, en este caso especial, son
independientes
De esta forma, la distribución aproximada del estadístico F es la distribución de la media de dos N(0,1)
independientes al cuadrado
La distribución chi-cuadrado con q grados de libertad (χ2𝑞 ) es la distribución de la suma de q N(0,1) independientes
¡¡IMPORTANTE!! En muestras grandes, q×F se distribuye aproximadamente como 𝝌𝟐𝒒 (no solo con independencia)
𝑞 × 𝐹 = 2 × 5,43 = 10,86
Procedimiento:
12
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONTRASTES DE HIPÓTESIS CONJUNTAS
Regresión “restringida”
¿Es la pérdida de ajuste suficientemente grande como para
rechazar la nula?
2
𝑅𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 = 0,415
13
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONTRASTES DE HIPÓTESIS CONJUNTAS
Estadístico F solo válido bajo homocedasticidad
2 2
𝑅𝑛𝑜 𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 − 𝑅𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 /𝑞
𝐹= 2
1 − 𝑅𝑛𝑜 𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 / 𝑛 − 𝑘𝑛𝑜 𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 − 1
donde:
2 2 de la regresión “no restringida”
𝑅𝑛𝑜 𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 : 𝑅
2
𝑅𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 : 𝑅2 de la regresión “restringida”
q: número de restricciones bajo la nula
𝑘𝑛𝑜 𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 : número de regresores en la regresión “no restringida”
El estadístico
2 2
𝑅𝑛𝑜 𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 − 𝑅𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 /𝑞
𝐹= 2
1 − 𝑅𝑛𝑜 𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 / 𝑛 − 𝑘𝑛𝑜 𝑟𝑒𝑠𝑡𝑟𝑖𝑛𝑔𝑖𝑑𝑎 − 1
solo es válido bajo homocedasticidad
Se rechaza la nula cuando en la regresión “no restringida” se incrementa el R2 (es decir, el ajuste) de
forma “suficiente”
Ventaja: su cálculo es muy sencillo
Si los errores son homocedásticos, 𝑞 × 𝐹 tiene una distribución para muestras grandes χ2𝑞 (bajo la
nula)
Si los errores son heterocedásticos, 𝑞 × 𝐹 NO tiene una distribución para muestras grandes χ2𝑞 (bajo
la nula)
15
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONTRASTES DE HIPÓTESIS CONJUNTAS
El papel de la distribución F
Las salidas de ordenador de cualquier software econométrico se refieren a la distribución “F” (tabulada en
cualquier libro de estadística)
Como en el caso del estadístico t, si se cumplen los cuatro supuestos de mínimos cuadrados del modelo
múltiple y añadimos homocedasticidad (varianza condicional del error constante) y normalidad condicional del
error es posible derivar la distribución exacta del F válido bajo homocedasticidad bajo la nula: 𝐹𝑞,𝑛−𝑘−1 donde
La nula impone una única restricción (q = 1) en multiples coeficientes, no es una hipótesis conjunta con
restricciones múltiples (comparemos con β1 = 0 y β2 = 0)
Se puede calcular un conjunto de confianza al 95% para (β1, β2) usando el estadístico F
(¿por qué no combinar los dos intervalos de confianza al 95%?)
En el caso de dos parámetros el conjunto de confianza es una elipse
20
SESIÓN IX - CONTRASTES DE HIPÓTESIS E INTERVALOS DE CONFIANZA EN REGRESIÓN
MÚLTIPLE – CONJUNTOS DE CONFIANZA PARA VARIOS PARÁMETROS
21