Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTEGRANTES:
ALEMAN HUAMAN Angel
BENITES RIVAS Jeanpier
INFANTE GOMEZ José
MASIAS LLOCLLA Yusselfi
VILLAR MALMACEDA Diego
ECONOMETRIA I
3.1 Método de mínimos cuadrados ordinarios
Puntos a tratar (MCO)
3.2 Modelo clásico de regresión lineal:
fundamentos del método de mínimos cuadrados
El método de mínimos cuadrados presenta propiedades estadísticas muy atractivas que lo han convertido en uno
de los más efi caces y populares del análisis de regresión.
Encontrar los valores de los coeficientes de la regresión que minimizan la suma de los cuadrados de
las diferencias
Esta función se utiliza para modelar cómo una Se utiliza para modelar la relación entre una
variable dependiente, está relacionada con variable independiente (X) y una variable
una o más variables independientes. de una dependiente (Y) en una muestra de datos
población de interés. específica.
B2 es la pendiente que
B1 es el intercepto . determina
la tendencia de la
recta.
Nota: La diferencia entre la FRP y la FRM se debe a los errores que se cometen
en la estimación de los coeficientes de la regresión.
ECUACIONES
NORMALES
ESTIMADOR B2
ESTIMADOR B1
se derivan
del
Son ecuaciones simultaneas ,
principio
con las que podemos obtener
de mínimos
cuadrados
PROPIEDADES NUMERICAS DE LOS ESTIMADORES DE MINIMOS CUADRADOS
ORDINARIOS (MCO).
1 2 3
SE EXPRESAN LOS UNA VEZ
ÚNICAMENTE ESTIMADORES OBTENIDOS LOS SE
EN TÉRMINOS PUNTUALES DAN OBTIENE SIN
DE LAS UNA ÚNICA PROBLEMAS LA
CANTIDADES ESTIMACIÓN LÍNEA DE
REGRESIÓN
ESPECÍFICA MUESTRAL.
Nota: Los supuestos de FRM y FRP comparten supuestos clave, como la linealidad, la independencia de
errores, la homocedasticidad y la normalidad de los errores. En su mayoría son similares pero varían
en su aplicación.
La línea de regresión obtenida tiene las
siguientes propiedades:
1. Pasa a través de las medias muestrales 2. El valor medio de Y estimada es igual
al valor medio de Y real. (homogeneidad)
de Y y X
LINEALIDAD
La relación entre las variables independientes (predictoras) y la variable
dependiente (la que se está tratando de predecir) es lineal, lo que significa que se
puede describir mediante una función lineal
AUTOCORRELACION
Existe una especie de patrón en
los errores que se repite en
diferentes momentos o en
diferentes datos.
Su presencia puede complicar la
interpretación y la estimación de
un modelo de regresión.
USO DE LOS ERRORES ESTANDAR ¿Como permiten las varianzas y los errores estandar de los
¿Por qué usar la desviacion estandar y no la varianza? coeficientes estimados de regresion evaluar la confiabilidad de
3.4 Propiedades de los estimadores de mínimos
cuadrados: teorema de gauss-Markou
1. LINEALIDAD 2. ES INSESGADO