Ejercicios de estimación de un modelo, lineal general mediante matrices

(21 A)(ddc)

1) Estimar el siguiente modelo: Yi = B1+B2 X2i + B3 X3i + ui , teniendo la

siguiente información siguiendo la fórmula matricial de estimación:
Y= (X’X)-1X’Y
i Y X2 X3

1 5 2 3
2 8 3 4
3 8 5 6
4 9 4 5
5 9 6 7
6 13 2 6
7 6 3 4
8 9 4 5
9 4 5 4
10 3 6 3

2) B̂ =( XX)-1 X’ Y

N ∑ X2i ∑ X3i
∑ X2i ∑ X22i ∑ X2i X3i
X’X =
∑ X3i ∑ X2i X3i ∑ X23i

∑ Yi

∑ Yi X2i
X’Y =
∑ Yi X3i

B̂1

B̂ = B̂2

B̂3

3) B̂ =( XX)-1 X’ Y
 10 40 47
X’X = 40 180 192
47 192 237

74
X’Y = 282
375

10 40 47 -1
X’X = 40 180 192
47 192 237

1.89411768 - 0.14901975 - 0.25490185 74

(X’X)-1 X’Y = - 0.14901975 0.05261437 -0.01307189 282

- 0.25490185 -0.01307189 0.06535945 375

B̂1= 1.89411768 (74) - 0.14901975 (282)- 0.25490185 (375) = 2.5529

B̂2= - 0.14901975 (74) + 0.05261437 (282) -0.01307189 (375) = -1.0921
B̂3= - 0.25490185 (74) - 0.01307189 (282) + 0.06535945 (375) = 1.9608

Yi =2.5529 -1.0921 X2i + 1.9608X3i

2) Estimación del modelo econométrico: Yi = B1+B2 X2i + B3 X3i + ui ,
mediante el software Eviews
Pasos para estimar un modelo econométrico en Eviews
a) Crear el archivo de trabajo
b) Ingresar las variables y datos al software
c) Estimar el modelo econométrico

CREANDO EL ARCHIVO DE TRABAJO

Numero de
File=> New => Workfile => datos de corte transversal=>
observaciones: 10

INGRESANDO LAS VARIABLES Y DATOS AL SOFTWARE:

Data Y x2 x3 enter

Copiar la información de un archivo Excel o Word y pagar en el software

mediante Paste

ESTIMANDO EL MODELO ECONOMÉTRICO

Ruta: Quick=> Estimate equation=> Y c X2 X3 => OK

Dependent Variable: Y
Method: Least Squares
Date: 05/20/21 Time: 22:16
Sample: 1 10
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.  

C 2.552941 1.626468 1.569623 0.1605

X2 -1.092157 0.271078 -4.028940 0.0050
X3 1.960784 0.302132 6.489833 0.0003

R-squared 0.875300    Mean dependent var 7.400000

Adjusted R-squared 0.839672    S.D. dependent var 2.951459
S.E. of regression 1.181795    Akaike info criterion 3.415271
Sum squared resid 9.776471    Schwarz criterion 3.506046
Log likelihood -14.07635    Hannan-Quinn criter. 3.315690
F-statistic 24.56739    Durbin-Watson stat 3.385601
Prob(F-statistic) 0.000685

Yi = B1+B2 X2i + B3 X3i + ui

Yi =2.552941 + -1.092157 X2i + 1.960784 X3i

Además de estimar los parámetros se
estiman:
 La desviación estándar de cada
parámetro estimado
 El estadístico t
 El P-valor
 Los valores de los residuos ut

Yi = 2.552941 + -1.092157 X2i + 1.960784 X3i

sd=>(1.626468 ) (0.271078 ) (0.302132)

T => ( 1.569623) ( -4.028940) (6.489833)

P-Valor=> (0.1605) (0.0050 ) (0.0003 )

Bi
T= SDi =
2.552941
1.626468 = 1.569623
Dependent Variable: Y
Method: Least Squares
Date: 09/21/22 Time: 16:42
Sample: 1 10
Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.  

C 2.552941 1.626468 1.569623 0.1605

X2 -1.092157 0.271078 -4.028940 0.0050
X3 1.960784 0.302132 6.489833 0.0003

R-squared 0.875300     Mean dependent var 7.400000

Adjusted R-squared 0.839672     S.D. dependent var 2.951459
S.E. of regression 1.181795     Akaike info criterion 3.415271
Sum squared resid 9.776471     Schwarz criterion 3.506046
Log likelihood -14.07635     Hannan-Quinn criter. 3.315690
F-statistic 24.56739     Durbin-Watson stat 3.385601
Prob(F-statistic) 0.000685

Y=2.552941-1.092157X1+1.960784X2+ut
Desviación estándar=1.626468 0.271078 0.302132
estadistico−t=1.569623−4.028940 6.489833
p−valor=0.1605 0.0050 0.0003

otra forma de hallar estadístico-t

B ( parametro estimado ) 2.552941
esta .−t= = =1.569623
desviacion estándar 1.626468
 P RA RB
P  0.007500  0.005000 -0.000625
RA  0.005000  0.061250 -0.026250
RB -0.000625 -0.026250  0.011719