Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECONOMETRÍA I
Sesión IV: Distribución y momentos de los estimadores MCO.
19-May-22
Un salto atrás...
Clase previa
a R 2 ):
Bondad de ajuste (R
Representatividad del modelo de regresión en términos de los
datos empleados.
Menor suma de residuos (al cuadrado) ≈ Mayor varianza
capturada por el modelo.
Correlación entre valores observados y ajustados de la variable
de interés (Y , Ŷ ).
Crece conforme el número de regresores aumenta
⇒ R 2 ajustado (R 2 ).
Un salto atrás...
Clase previa
a Algunos consideraciones sobre regresión múltiple:
El grado de correlación entre regresores importa (mientras sea
baja, no hay problema).
Regresores ”sin importancia” y equivalencia entre regresiones
simples y múltiples:
⇒ Ambos enfoques serán equivalentes si la correlación entre
X ′ s es baja y/o el efecto del resto de regresores sobre Y se
asume nulo o bajo.
⇒ Teorema FWL: Regresiones simples con variables
”ajustadas” por el efecto del resto de los regresores.
Un salto atrás...
1. Insesgamiento
1. Insesgamiento
2. Varianza constante
2. Varianza constante
N −1 i Xi2 σ 2
P
Var(β̂0 /X ) = P 2
i (Xi − X )
2. Varianza constante
2. Varianza constante
Algunos puntos de interés sobre la varianza de los estimadores:
σ2 N −1 i Xi2 σ 2
P
Var(β1 /X ) = P 2
Var(β0 /X ) = P 2
i (Xi − X ) i (Xi − X )
2. Varianza constante
¿Qué ocurre cuando la varianza de X se eleva (o σ 2 se reduce)?
2. Varianza constante
¿En qué deriva una varianza constante?
2. Varianza constante
¿En qué deriva una varianza constante?
β̂ = (X ′ X )−1 X ′ Y
β̂ = (X ′ X )−1 X ′ E(Y /X )
= (X ′ X )−1 X ′ (X β + ε)
= (X ′ X )−1 X ′ X β + (X ′ X )−1 X ′ ε
:I
′
E(β̂/X ) = E[
(X X )−1 X ′ X β]X + E[(X ′ X )−1 X ′ ε]X
:0
= β + (X ′ X )−1
E[X ′
ε]
β̂ = (X ′ X )−1 X ′ Y
E(β̂ − β) = (X ′ X )−1 X ′ ε
⇒ Var (β/X ) = E[(X ′ X )−1 X ′ εε′ X (X ′ X )−1 |X ]
= (X ′ X )−1 X ′ E[εε′ |X ]X (X ′ X )−1
:I
′
= σ 2
(X X )−1 X ′ X (X ′ X )−1
β̂ = (X ′ X )−1 X ′ Y
El problema de σ 2
El problema de σ 2
Un breve ejemplo.
El problema de σ 2
Un breve ejemplo.
Preguntas frecuentes:
¿La eduación de una persona tiene un efecto estadı́sticamente
distinto de cero sobre sus ingresos futuros (ej: βeduc = 0)?
Ingresosi = β0 + βeduc Educi + ε
¿Afectan de manera similar la inflación y la depreciación del
tipo de cambio al crecimiento económico (ej: βπ − βde = 0)?
∆PIBi = β0 + βπ πi + βde dei + ε
Cuál es el mı́nimo y el mayor impacto que puede tener la
educación sobre el ingreso de una persona, en el 95% de las
veces (ej: βeduc ∈ [β̂educ ± c ∗ ee(β̂)]?
Con ello
Con ello
Visión matricial
References I