Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Rosaliagonzlez1
Econometría
• Nos vamos a centrar, para comprender cómo funcionan los modelos, en un modelo
muy sencillo: Cuando la función de regresión y=f(x) es lineal: Modelo Lineal Simple
(MLS)
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
• Después ampliaremos a relaciones conocidas no lineales, y a estimación no
paramétrica que no requiere conocimiento de la forma funcional.
Ejemplo: Los datos sobre publicidad en TV y ventas muestra una relación aproximadamente
lineal.
• Nuestro objetivo es estudiar relaciones entre variables que se den en la realidad, sean
lineales o no.
George Box: Todos los modelos son falsos, pero algunos son útiles
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Y Variable explicada o variable de respuesta.
• Esta es la condición que tiene que cumplirse en el modelo causal para que funcionen
HIPÓTESIS MLS
• Otras hipótesis:
• Sobre las observaciones: muestreo aleatorio simple que requiere que las ε sean
independientes entre sí. En la práctica este supuesto es más fuerte de lo necesario.
Basta con covarianzas nulas entre los ε.
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
• Este supuesto no es central: Tan sólo permite calcular de una manera más sencilla
el error estándar de los estimadores.
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Por las propiedades de la esperanza (y de la esp. condicionada) los verdaderos valores de los
parámetros minimizarían el verdadero ECM, que viene dado por:
Dada una muestra con n pares de observaciones (x1,y1),(x2,y2),…,(xn,yn) ¿Cómo estimar los
parámetros?
• Muestra: (x1,y1),(x2,y2),…,(xn,yn)
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-1072782
MINIMIZANDO LA FUNCIÓN SR: PENDIENTE
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Reservados todos los derechos.
• Pero, en este caso, existe una fórmula que permite obtener los parámetros que
minimizan SR
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
SR es función de dos variables. Los estimadores MCO son los valores para los que la función
alcanza un mínimo
• El método numérico funciona para todo tipo de estimadores, pero para MCO en los
modelos lineales es posible derivar fórmulas analíticas de los estimadores.
Vamos a comprobarlo
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
SOLUCIÓN DE LAS ECUACIONES NORMALES
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
• Valores ajustados (fitted values): El valor ajustado MCO viene dado por nuestra
estimación de la función f(x)f(x) para x=xi:
• Residuos MCO (LS residuals): Definimos los residuos como la diferencia entre yi y f^(xi)
en la muestra. Son el equivalente muestral del término de error:
mosaic: La función plotModel representa los datos y el ajuste. Por defecto, gráficos lattice. Se
cambia con system="ggplot2",
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-1072782
PREDICCIÓN MCO: FUERA DE LA MUESTRA
• Predicción MCO (LS forecast): Si queremos predecir el valor de y para una observación
fuera de la muestra dada por (x0,y0), correspondería a la estimación de f(x0), es decir:
• Error de predicción MCO: El error que cometemos al utilizar y^0 para predecir y0
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
Validación del modelo
Modelo estimado con todos los datos RMSE en muestras de trabajo y test
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
El problema es que no sabemos
si la diferencia se puede deber a la
casualidad (cómo se ha dividido la
muestra en dos)
do con los modelos lineales evalúa los parámetros estimados y una estimación del error
estándar del término de error (que estudiaremos), junto a otros estadísticos.
BOOTSTRAP DE PUBLICIDAD
• El coeficiente constante (intercept) vendría a ser el valor esperado de las ventas para
publicidad 0.
No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
AJUSTE BOOTSTRAP