Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1
ÍNDICE
1. Los supuestos ampliados de mínimos cuadrados y el estimador
MCO
2. Fundamentos de la teoría asintótica
3. Distribución asintótica del estimador MCO y del estadístico t
4. Distribución es normales exactas con errores normalmente
distribuidos
5. Mínimos cuadrados ponderados
2
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO
3
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
LOS SUPUESTOS AMPLIADOS DE MÍNIMOS CUADRADOS Y EL ESTIMADOR MCO
Se trata de supuestos más fuertes para obtener mejores resultados teóricos sobre
el MCO
4
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
LOS SUPUESTOS AMPLIADOS DE MÍNIMOS CUADRADOS Y EL ESTIMADOR MCO
Supuesto ampliado 3: Los datos atípicos “grandes” (en valor absoluto) son
improbables (𝑋𝑖 , 𝑌𝑖 presentan momentos de cuarto orden finitos)
2
Supuesto ampliado 4: 𝑢𝑖 es homocedástico: es decir 𝑉𝑎𝑟 𝑢𝑖 𝑋𝑖 = 𝜎𝑢 para i =
1,…, n, donde 𝜎𝑢2 es una constante
Este supuesto implica que 𝑉𝑎𝑟 𝑌𝑖 𝑋𝑖 = 𝜎𝑢2 para i = 1,…, n, por lo que en muchas
situaciones no es realista
7
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
LOS SUPUESTOS AMPLIADOS DE MÍNIMOS CUADRADOS Y EL ESTIMADOR MCO
Demostración:
2
Claramente la distribución condicional de 𝑢𝑖 |𝑋𝑖 ~𝑁(0, 𝜎𝑢 )
La distribución condicional no depende de 𝑋𝑖 ⇒ 𝑢𝑖 y 𝑋𝑖 están
independientemente distribuidas ⇒ 𝑢𝑖 ~𝑁(0, 𝜎𝑢2 )
Por el supuesto 2 𝑢𝑖 es i.i.d.
8
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
LOS SUPUESTOS AMPLIADOS DE MÍNIMOS CUADRADOS Y EL ESTIMADOR MCO
Los dos últimos son menos realistas, pero tienen interés teórico, porque si se
cumplieran el MCO tiene propiedades adicionales interesantes
9
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
FUNDAMENTOS DE LA TEORÍA ASINTÓTICA
Teoría de la distribución de estimadores, estadísticos de contraste e intervalos de
confianza cuando el tamaño muestral (n) es grande
Piedras angulares: ley de los grandes números y el teorema central del límite
10
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
FUNDAMENTOS DE LA TEORÍA ASINTÓTICA
𝑑 𝑑
Si 𝑆𝑛 → 𝑆, entonces 𝑔(𝑆𝑛 ) → 𝑔(𝑆)
14
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
FUNDAMENTOS DE LA TEORÍA ASINTÓTICA
Ejemplo de la aplicación de las técnicas anteriores: 𝑯𝟎 : 𝐄 𝒀𝒊 = 𝝁𝟎
Estadístico t
𝑌 − μ0 𝑛(𝑌 − μ0 ) σ𝑌
𝑡= =
s𝑌 / 𝑛 σ𝑌 s𝑌
donde s𝑌 es la desviación típica muestral de 𝑌𝑖
Resultados
𝑑
Bajo 𝐻0 : 𝑛(𝑌 − μ0 ) → 𝑁(0,1)
𝑝
2 2
s𝑌 → σ𝑌
𝑑
Conclusión: 𝑡 → 𝑁(0,1) 15
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
DISTRIBUCIÓN ASINTÓTICA DEL ESTIMADOR MCO Y DEL ESTADÍSTICO t
Nótese que una de las implicaciones del segundo resultado (distribución asintótica)
es que el MCO es consistente.
16
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
DISTRIBUCIÓN ASINTÓTICA DEL ESTIMADOR MCO Y DEL ESTADÍSTICO t
Consistencia de los errores estándar heterocedástico-robustos
Recordemos el estimador de la varianza de 𝛽1
1 𝑛 2 𝑢2
1 (𝑋 −𝑋)
2 𝑛−2 𝑖=1 𝑖 𝑖
𝜎𝛽 = × 2
1 𝑛 1 𝑛
(𝑋𝑖 −𝑋) 2
𝑛 𝑖=1
Resultado
2
𝜎𝛽 𝑝
1
2
→ 1
𝑉𝑎𝑟 𝑋𝑖 − 𝜇𝑋 𝑢𝑖 /𝑛 𝑉𝑎𝑟 𝑋𝑖
Demostración
2 1 𝑛 2 2 2
𝜎𝛽 𝑛 (𝑋𝑖 − 𝑋) 𝑢𝑖 𝑉𝑎𝑟 𝑋𝑖
1
= × 𝑛 𝑖=1
×
𝑉𝑎𝑟 𝑋𝑖 − 𝜇𝑋 𝑢𝑖 /𝑛 𝑉𝑎𝑟 𝑋𝑖 2 𝑛 − 2 𝑉𝑎𝑟 𝑋𝑖 − 𝜇𝑋 𝑢𝑖 1 𝑛 2
𝑛 𝑖=1(𝑋𝑖 − 𝑋)
17
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
DISTRIBUCIÓN ASINTÓTICA DEL ESTIMADOR MCO Y DEL ESTADÍSTICO t
18
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
DISTRIBUCIÓN ASINTÓTICA DEL ESTIMADOR MCO Y DEL ESTADÍSTICO t
Normalidad asintótica del estadístico t heterocedástico-robusto
𝑑
Por los resultados anteriores: 𝑡 → 𝑁(0,1) bajo 𝐻0
19
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
DISTRIBUCIONES MUESTRALES EXACTAS CON ERRORES NORMALMENTE DISTRIBUIDOS
𝐸(𝛽1 𝑋1 , … , 𝑋𝑛 = β1
𝜎𝑢2
𝑉𝑎𝑟(𝛽1 𝑋1 , … , 𝑋𝑛 = 𝑛 (𝑋 −𝑋)2
𝑖=1 𝑖
La distribución condicional de β1 (dados 𝑋1 , … , 𝑋𝑛 ) es normal
Resultados
𝛽1 −𝛽1,0
~𝑁 0,1 bajo 𝐻0
𝜎𝑢2 / 𝑛 (𝑋
𝑖=1 𝑖 −𝑋) 2
2
𝑊~𝜒𝑛−2
𝑊 se distribuye de forma independiente del estimador MCO estandarizado
Conclusión
𝛽1 − 𝛽1,0
𝑡= ~𝑡𝑛−2 bajo 𝐻0
𝜎𝛽1
23
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
MÍNIMOS CUADRADOS PONDERADOS
24
SESIÓN I - TEORÍA DE LA REGRESIÓN LINEAL CON REGRESOR ÚNICO –
MÍNIMOS CUADRADOS PONDERADOS
MCP con heterocedasticidad conocida
MCP