Documentos de Académico
Documentos de Profesional
Documentos de Cultura
DEPARTAMENTO DE ECONOMÍA
ECONOMETRÍA I (D)
Sesión 7:
w = β0 + β1educ + µ
Modelo 1: lnW = β0 + β1 S + µ
Modelo 2: lnW = β0 + β1 S + β2 EX + µ
Modelo 1: lnW = β0 + β1 S + µ
Modelo 2: lnW = δ0 + δ1 S + δ2 EX + µ
El sesgo del coeficiente bivariado b1 está dado por:
^
Media del estimador MCO : E[ βMCO ] = β
^
βMCO = (X’X)-1 X’Y
^ ^ ^ ^ ^
MVC(β) = E[[β – E(β)] [β – E(β)] ‘]
^ ^
= E[(β – β) (β – β)’](k+1)x(k+1)
^
Pero β - β = (X’X)-1X’ µ
por supuesto del MRLG E(µµ’) = σµ2 I
^
MVC(β) = E[(X’X)-1X’ µ µ’X(X’X)-1]
^
MVC(β) = σµ2 (X’X)-1 ^
β ∼ N (β , σµ2 (X’X)-1 )
1. Hipótesis Económica:
Relación lineal de la variable endógena Y con un conjunto
de k variables independientes X:
Y = β0 + β1 X1 + β2 X2 + β3 X3 + … + βk Xk + µ
Y=Xβ+µ
Y = β1 + β2 ln X2 No lineal en variables
Linealidad
pendientes
- Semilogarítmica: y = eβ1 + β2 X2 + β3 X3 + µ
tasa de crec.
linealización: ln y = β1 + β2 X2 + β3 X3 + µ
elasticidades
i) E (µ / X) = 0
µ1 µ1 µ2 µ3 … µn µ 12 µ 1µ 2 µ 1µ 3 … µ 1µ n
µ2 1xn µ 2µ 1 µ 22 µ 2µ 3 … µ 2µ n
µ3 = : : : :
… µ nµ 1 µ nµ 2 µ nµ 3 … µ n2
nxn
µn nx1
Cov(µ1µn)
E(µ12) E(µ1µ2) E(µ1µ3) … E(µ1µn)
2
E(µµ’/X) = E(µ2µ1) E(µ2 ) E(µ2µ3) … E(µ2µn) = σ 2µ I
: : : :
E(µnµ1) E(µnµ2) E(µnµ3) …E(µn2) Var(µi)
1 0 0 …0 σ2 0 0…0
0 1 0 …0 0 σ2 0 … 0
E(uu’)= σ2 I = σ2 : : : : = : : : :
0 0 0 …1 0 0 0 … σ2
La recta de regresión de
Ahorros sobre Ingresos
representa con igual
precisión la relación
Errores homoscedásticos: entre ingresos y
Igual varianza ahorros, independiente-
mente de los valores de
ingreso.
.04
.02
Errores no correlacionados:
Cov(ut,ut-1)=0
= X β + µ - X (X’X)-1 X’Y
= X β + µ - X (X’X)-1 X’ (X β + µ)
= X β + µ - X β - X (X’X)-1 X’µ
e = (I - X (X’X)-1 X’) µ
e = M µ, Por lo que:
e’e = µ’M’Mµ = µ’Mµ
= E(µµ’) tr(M)
= E(µµ’) tr(M)
^
Media del estimador MCO : E[ βMCO ] = β
^ ^ ^
MVC(βMCO) = σµ2 (X’X)-1
^
σµ2 = e’e / (n-k-1)
^
E[ βMCO ] = β
EFICIENCIA:
El estimador MCO tiene menor varianza que cualquier otro
estimador lineal insesgado.
Teorema de Gauss-Markov:
^
El estimador βMCO es el Mejor Estimador Lineal Insesgado
(M.E.L.I. = B.L.U.E. en ingles) si se cumplen los supuestos
básicos del MRLG.
0 < R2 < 1