Métodos Cuantitativos II Universidad de Chile

Otoño 2017 Facultad de Economı́a y Negocios

Métodos Cuantitativos II
Profesor: Rómulo Chumacero
Ayudantes: Magdalena Delaporte, Rodrigo Miranda, Constanza Zepeda

AYUDANTÍA No 3
Otoño 2017

Preguntas Cortas
(a) En clases se plantea que las hipótesis nulas se pueden formular, en el modelo matricial de k variables,
de la forma H0 : Qβ = q. Encuentre los valores de Q y q para las siguientes hipótesis nulas:

- H0 : βi = 0.
- H0 : β2 = 0 ∧ β4 = 0.
- H0 : 5β2 + 7β3 = 1.

Respuesta
Para la primera hipótesis hula, Q = 1 y q = 0.

Para la segunda hipótesis nula,  

1 0
0 0
Q=
0 0
 (1)
0 1
 
0
q= (2)
0

Por último, para la tercera hipótesis nula,

 
0
Q = 5 (3)
7

q=1 (4)

(b) Sea el modelo Yi = α + βXi + εi y el estimador β̂OLS visto en clase.:

Exprese la ecuación y el estimador en desviaciones respecto a la media (por ejemplo, xi = Xi − X̄).

Respuesta
En efecto, la ecuación en desviación respecto a la media queda de la siguiente forma:

yi = βxi + εi − ε̄

Mientras que el estimador β̂ queda de la siguiente forma:

Página 1 de 4
 Métodos Cuantitativos II Universidad de Chile
Otoño 2017 Facultad de Economı́a y Negocios

Pn
xi yi
β̂ = Pi=1
n
x2
Pni=1 i
i (βxi + εi − ε̄)
i=1 xP
β̂ = n
x2
Pn i=1 i
x (ε − ε̄)
β̂ = β + i=1 Pn i i 2
x
Pn i=1 i Pn
xi εi xi
β̂ = β + Pi=1n 2 − ε̄ Pni=1 2
x i=1 xi
Pni=1 i
x ε
i i
β̂ = β + Pi=1n 2
i=1 ix

Lo anterior ya que:

n
X n
X n
X n
X n
X
xi = (Xi − X̄) = Xi − nX̄ = Xi − Xi = 0
i=1 i=1 i=1 i=1 i=1

OLS con restricción

Sea el modelo matricial Y = Xβ + ε, pero sujeto a la restricción Qβ = q.
(a) Encuentre el estimador OLS de β restringido.

Respuesta
El estimador OLS restringido (β̂CR ) se obtiene resolviendo el siguiente lagrangiano:

L = Y 0 Y − 2β̂CR X 0 Y + β̂CR
0
X 0 X β̂CR + λ0 (q − Qβ̂CR )

Las CPOs son:

∂L
= 0 = −2X 0 Y + 2X 0 X β̂CR − Q0 λ (5)
∂ β̂CR
∂L
= 0 = Qβ̂CR = q (6)
∂λ

Multiplicando (1) por Q0 (X 0 X)−1 :

⇒ −2Q(X 0 X)−1 X 0 Y + 2Qβ̂CR − Q(X 0 X)−1 Q0 λ = 0

⇒ −2Qβ̂OLS + 2Qβ̂CR − Q(X 0 X)−1 Q0 λ = 0
⇒ −2Qβ̂OLS + 2q − Q(X 0 X)−1 Q0 λ = 0
⇒ λ = 2(Q(X 0 X)−1 Q0 )−1 (q − Qβ̂OLS )

Reemplazando λ en (1):

Página 2 de 4
 Métodos Cuantitativos II Universidad de Chile
Otoño 2017 Facultad de Economı́a y Negocios

⇒ X 0 X β̂CR = X 0 Y + Q0 (Q(X 0 X)−1 Q0 )−1 (Qβ̂OLS − q)

⇒ β̂CR = β̂OLS + (X 0 X)−1 Q0 (Q(X 0 X)−1 Q0 )−1 (Qβ̂OLS − q)

(b) Plantee un test, a partir del resultado anterior, que busque probar que Qβ 6= q.

Respuesta
De la parte anterior, calculemos los errores del modelo restringido (eCR ):

eCR = Y − X β̂CR
⇒ eCR = Y − X β̂OLS − X(X 0 X)−1 Q0 (⇒ Q(X 0 X)−1 Q0 )−1 (Qβ̂OLS − q)

Recordar que:
 0 −1 0 −1  
(Qβ̂OLS − q) = (X X) Q (Q(X 0 X)−1 Q0 )−1 β̂CR − β̂OLS

Entonces,
−1  
eCR = Y −X β̂OLS −X(X 0 X)−1 Q0 (Q(X 0 X)−1 Q0 )−1 (X 0 X)−1 Q0 (Q(X 0 X)−1 Q0 )−1

β̂CR − β̂OLS

   
eCR = Y − X β̂OLS − X β̂CR − β̂OLS = eOLS − X β̂CR − β̂OLS

Pero en la parte anterior encontramos que:

β̂CR − β̂OLS = (X 0 X)−1 Q0 (Q(X 0 X)−1 Q0 )−1 (q − Qβ̂OLS )

⇒ e0CR eCR = e0OLS eOLS + (q − Qβ̂OLS )0 (Q(X 0 X)−1 Q0 )−1 (q − Qβ̂OLS )
e0CR eCR − e0OLS eOLS (q − Qβ̂OLS )0 (Q(X 0 X)−1 Q0 )−1 (q − Qβ̂OLS )/s
⇒W = =
e0OLS eOLS σ̃ 2

Este es el test de Wald, donde W se distribuye como una F con s (número de contrastes) y n − k
grados de libertad.

Teorı́a Asintótica
Considere el modelo

Y = Xβ + u (7)

u ∼ N 0, σ 2 I


(8)

Página 3 de 4
 Métodos Cuantitativos II Universidad de Chile
Otoño 2017 Facultad de Economı́a y Negocios

Derive la distribución asintótica de los parámetros considerando que

−1
X 0X

p lı́m = M −1
T
.

Respuesta
Sabemos que
−1
βˆ=(X 0 X) (X 0 Y ) (9)
Entonces, −1    0 −1  0 
X 0X X 0 Xβ

XX Xu
p lı́m + (10)
T T T T
 0 −1  0 
XX X Xβ
p lı́m =β (11)
T T
Por lo tanto,
√    X 0 X −1  X 0 u 
∼ N 0, M −1 σ 2


T β̂ − β = (12)
T T

Página 4 de 4