6 Funciones de Regresión No Lineales

FUNCIONES DE REGRESIÓN NO-LINEALES
Hebert Suarez Cahuana

Departamento de Economı́a
Universidad Nacional de San Agustı́n
Adaptado para Juliana Mery Bautista Lopez
LATEX
Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Funciones de regresión no-lineales
Hasta ahora todo ha sido lineal en las Xs.

La aproximación de la regresión lineal podrı́a ser buena para
algunas variables, pero no para otras.
El marco de la regresión múltiple se puede ampliar para incluir
regresiones que no son lineales en una o más X.





La lı́nea de regresión estimada para los datos de California
parece lineal ...
Fuente: Stock y Watson (2012)

Pero la relación entre la calif icación y el ingreso medio
del distrito parece no lineal

Si la relación entre X y Y no es lineal:
El efecto de un cambio en X sobre Y depende del valor de X
-esto significa que el efecto marginal de X no es constante.
Una regresión lineal mal especificada -cuya forma funcional
sea errónea.
El estimador del efecto sobre Y de un cambio en X es
sesgado -ni siquiera en promedio se acerca al verdadero valor.
La solución a esto es estimar una función de regresión que no
es lineal en X.

sea errónea.
es lineal en X.

sea errónea.
es lineal en X.

sea errónea.
es lineal en X.

La forma general de la función de regresión poblacional es:
Yi = f (X1i , X2i , ..., Xki ) + ui , i = 1, ..., n
Supuestos:
1 E(ui /X1i , X2i , ..., Xki ) = 0 (el mismo), implica que f es la
media condicional de Y dada X.
2 (X1i , X2i , ..., Xki ) es i.i.d (el mismo).
3 Los momentos “suficientes” existen (la misma idea: la
afirmación precisa depende de la forma especı́fica de f ).
4 No existe perfecta multicolinealidad (la misma idea: la
afirmación precisa depende de la forma especı́fica de f ).

El efecto esperado sobre Y de un cambio en X1 en el
modelo de regresión no-lineal

Funciones no lineales de una única variable independiente
Veremos dos enfoques complementarios.

1 Polinomios en X.
La función de regresión poblacional es aproximada por un
polinomio cuadrático, cúbico o de mayor grado.
2 Transformaciones logarı́tmicas.
Y o X se transforman tomando sus logaritmos.
Esto tiene una interpretación “porcentual” que tiene sentido
en muchas aplicaciones.

Funciones no lineales de una única variable independiente
Veremos dos enfoques complementarios.

1 Polinomios en X.
La función de regresión poblacional es aproximada por un
polinomio cuadrático, cúbico o de mayor grado.
2 Transformaciones logarı́tmicas.
Y o X se transforman tomando sus logaritmos.
Esto tiene una interpretación “porcentual” que tiene sentido
en muchas aplicaciones.

Polinomios en X
Aproximar la función de regresión poblacional por un polinomio:
Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui
Esto es lo mismo que el modelo de regresión múltiple -excepto

que los regresores son potencias de X.
La estimación, la prueba de hipótesis, etc, se lleva a cabo
como en la regresión múltiple utilizando MCO.
Los coeficientes son difı́ciles de interpretar, pero la función en
sı́ es interpretable.

Polinomios en X


Polinomios en X


Ejemplo: La relación calif icación e ingreso.
ingresoi = ingreso promedio en el distrito i (miles de dólares per-cápita
Especificación cuadrática:
Calif icación = β0 + β1 ingresoi + β2 (ingresoi )2 + ui
Especificación cúbica:
Calif icación = β0 +β1 ingresoi +β2 (ingresoi )2 +β3 (ingresoi )3 +ui

Estimación de una función cuadrática en STATA

Interpretación de la función de regresión estimada
Figura: Diagrama de dispersión entre la calificación y el ingreso medio del

distrito a través de una función lineal y cuadrática
Fuente: Stock Watson 2012

Interpretación de la función de regresión estimada
a) Calcule el “efecto” para diferentes valores:
\
calificación = 607, 3 + 3, 85 ingreso − 0, 0423 (ingreso)2
(2,9) (0,27) (0,0048)
El cambio predicho en calif icación para un cambio de $6000

a $5000 per cápita:
∆calif icación = 607.3 + 3.8 × 6 − 0.0423 × 62

−(607.3 + 3.85 × 5 − 0.0423 × 52 )
= 3.4

\
calificación = 607, 3 + 3, 85 ingreso − 0, 0423 (ingreso)2
(2,9) (0,27) (0,0048)
Efectos predichos para diferentes valores de X
∆ en ingreso ∆ en calif icación

De 5 a 6 3.4
De 25 6 1.7
De 45 a 46 0.0
El “efecto” de un cambio en el ingreso es mayor para niveles bajos

de ingresos que para niveles de ingresos altos (¿Quizás una disminu-
ción del beneficio marginal de un incremento en el presupuesto de
los colegios?
Precaución: ¿Cuánto es el cambio si ingreso pasa de 65 a 66? No
extrapole demasiado fuera del rango de la muestra.
Resumen: Funciones de regresión polinomiales
Estimación: Por MCO después de definir los nuevos regresores.

Los coeficientes tienen complicadas interpretaciones.
Para interpretar la función de regresión estimada:
Grafique los valores predichos como función de x.
Calcule el valor predicho ∆Y /∆X para diferentes valores de X.
La hipótesis respecto a los términos de grado r se realizan
mediante la prueba t y F en el bloque apropiado de variables.
Elección del grado r:
Grafique los datos, efectúe las pruebas t y F , evalúe la
sensibilidad de los efectos estimados, juicio.
O utilice un criterio de selección de modelos (más adelante).

















2: Funciones logarı́tmicas de Y y/o X
log(X) = el logaritmo natural de X.

Las transformaciones logarı́tmicas permiten modelar relaciones
en términos “porcentuales” (de manera similar a una
elasticidad), en vez de lineales.
Aquı́ el porqué:

∆x ∆x
log(x + ∆x) − log(x) = ln 1 + ×
x x
dlog(x) 1
Cálculo : =
dx x
Numéricamente:
log(1.01) = 0.0095 ∼ 0.01; log(1.10) = 0.00995 ∼ 0.01;
log(1.10) = 0.0953 ∼ 0.10

2: Funciones logarı́tmicas de Y y/o X
log(X) = el logaritmo natural de X.

Las transformaciones logarı́tmicas permiten modelar relaciones
en términos “porcentuales” (de manera similar a una
elasticidad), en vez de lineales.
Aquı́ el porqué:

∆x ∆x
log(x + ∆x) − log(x) = ln 1 + ×
x x
dlog(x) 1
Cálculo : =
dx x
Numéricamente:
log(1.01) = 0.0095 ∼ 0.01; log(1.10) = 0.00995 ∼ 0.01;
log(1.10) = 0.0953 ∼ 0.10

Tres casos
Caso Función de regresión poblacional

I. Lineal Yi = β0 + β1 log(Xi ) + ui
II. Log-lin log(Yi ) = β0 + β1 Xi + ui
III. Log-log log(Yi ) = β0 + β1 log(Xi ) + ui u
La interpretación del coeficiente de la pendiente en cada caso

es diferente.
La interpretación se encuentra en general aplicando el enfoque
“antes” y “después”, encontrar el cambio en Y para un
cambio dado en X.

Tres casos
Caso Función de regresión poblacional

I. Lineal Yi = β0 + β1 log(Xi ) + ui
II. Log-lin log(Yi ) = β0 + β1 Xi + ui
III. Log-log log(Yi ) = β0 + β1 log(Xi ) + ui u
La interpretación del coeficiente de la pendiente en cada caso

es diferente.
La interpretación se encuentra en general aplicando el enfoque
“antes” y “después”, encontrar el cambio en Y para un
cambio dado en X.

I. Función de regresión lin-log
Yi = β0 + β1 log(Xi ) + ui (a)
Ahora cambiamos X:
Y + ∆Y = β0 + β1 log(X + ∆X) (b)
Restando (b)-(a):∆Y = β1 [log(X + ∆X) − log(X)]
∆X
Ahora log(X + ∆X) − log(X) ∼
X
∆X ∆Y
Ası́: ∆Y ∼ β1 O β1 ∼ (Para pequeños ∆X).
X ∆X/X
Yi = β0 + β1 log(Xi ) + ui
∆Y
Para pequeños ∆X: β1 ∼
∆X/X
∆X
Ahora 100× = cambio porcentual en X, de esta manera un 1 %
X
de incremento en X (multiplicando X por 1.01) es asociado
con un 0.01β1 de cambio en Y .
Ejemplo: Calificación vs ingreso
Primero se debe definir un nuevo regresor.

El modelo ahora es lineal en log(ingreso), de tal manera que
el modelo log-lineal puede ser estimado por MCO:
calificación = 557, 8 + 36, 42 log(ingreso)

(3,8) (1,40)
De esta forma un incremento de 1 % en ingreso esta asociado

con un incremento de 0.36 puntos en la calif icación de la
prueba.
Los errores estándar, intervalos de confianza, R2 - todas las
herramientas de la regresión se aplican aquı́.
¿Cómo se compara esto con el modelo cúbico?
V
calificación = 557, 8 + 36, 42log(ingreso)



(3,8) (1,40)

prueba.
V



(3,8) (1,40)

prueba.
V



(3,8) (1,40)

prueba.
V

Las funciones de regresión lin-log y cúbica

II. Función de regresión poblacional log-lin
log(Yi ) = β0 + β1 Xi + ui (3)
Ahora el cambio en X es:
log(Y + ∆Y ) = β0 + β1 (X + ∆X) (4)
Restando (3)-(4):log(Y + ∆Y ) − log(Y ) = β1 ∆X De esta forma:
∆Y
∼ β1 ∆X
Y
∆Y /Y
O β1 ∼ (para pequeños ∆X).
∆X
∆Y
Ahora 100 × = cambio porcentual en Y , de esta forma
Y
un cambio en X de 1 (∆X = 1) esta asociado con
100β1 % de cambio en Y (Y se incrementa por un factor
de 1+β1 ).
Nota: ¿Cuáles son las unidades de ui y de SER?
Desviaciones fraccionales (proporciones).
Por ejemplo, SER = 0.2 significa...
log(Yi ) = β0 + β1 Xi + ui (3)
log(Y + ∆Y ) = β0 + β1 (X + ∆X) (4)
∆Y
∼ β1 ∆X
Y
∆Y /Y
∆X
∆Y
Y
de 1+β1 ).
log(Yi ) = β0 + β1 Xi + ui (3)
log(Y + ∆Y ) = β0 + β1 (X + ∆X) (4)
∆Y
∼ β1 ∆X
Y
∆Y /Y
∆X
∆Y
Y
de 1+β1 ).
log(Yi ) = β0 + β1 Xi + ui (3)
log(Y + ∆Y ) = β0 + β1 (X + ∆X) (4)
∆Y
∼ β1 ∆X
Y
∆Y /Y
∆X
∆Y
Y
de 1+β1 ).
III. Función de regresión poblacional log-log
log(Yi ) = β0 + β1 log(Xi ) + ui (5)

log(Y + ∆Y ) = β0 + β1 log(X + ∆X) (6)
Restando: (6)-(5): log(Y +∆Y )−log(Y ) = β1 [log(X + ∆X) − log(X)]

∆Y ∆X
De esta manera: ≈ β1 .
y X
∆Y /Y
O β1 ≈
∆X/X
∆Y ∆X
Ahora 100 × = es el cambio porcentual en Y , y 100 × =
Y X
porcentaje de cambio en X, ası́ que un cambio porcentual de
1 % en X esta asociado con β1 % de cambio en Y .
En la especificación log-log, β1 tiene la interpretación de
una elasticidad.
Ejemplo: log(calificación) vs log(ingreso)
Primero defina una nueva variable dependiente,

log(calif icación) y un nuevo regresor, log(ingreso).
El modelo ahora es una regresión lineal de log(calif icación)
sobre log(ingreso), que se puede estimar por MCO.
V
log(calificación) = 6, 336 + 0, 0554 log(ingreso)

(0,006) (0,0021)
Un incremento de 1 % en el ingreso esta asociado con un

incremento de 0.554 % en calif icación (un factor de 1.0554).
¿Cómo se compara este modelo con el modelo log-lin?


V

(0,006) (0,0021)



V

(0,006) (0,0021)


Las funciones de regresión lin-log y log-log

Resumen: Transformaciones logarı́tmicas
Tres casos, difieren en si Y y/o X son transformados

tomando logaritmos.
Después de crear las nuevas variables Y y/o X, la regresión es
lineal en las nuevas variables y los coeficientes se puede
estimar por MCO.
La prueba de hipótesis e intervalos de confianza se pueden
llevar a cabo de la manera usual.
La interpretación de β1 es diferente en cada caso.
La elección de la especificación debe estar guiada por el buen
juicio (¿Cuál es la interpretación que tiene más sentido en su
aplicación?), pruebe y efectúe el diagrama de dispersión de los
valores predichos.


tomando logaritmos.
estimar por MCO.
valores predichos.


tomando logaritmos.
estimar por MCO.
valores predichos.


tomando logaritmos.
estimar por MCO.
valores predichos.


tomando logaritmos.
estimar por MCO.
valores predichos.

Interacciones entre las variables independientes
Quizás la reducción del tamaño de clase sea más efectiva en

algunas circunstancias que en otras ...
De repente, las pequeñas clases ayudan más si hay muchos
aprendices de inglés, que necesitan atención individual.
calif icación
Esto es, podrı́a depender de pctel.
∆rem
∆Y
En general, podrı́a depender de X2 .
∆X1
¿Cómo modelamos tales “interacciones” entre X1 y X2 ?
Primero consideramos una variable X binaria y luego una
variable X continua.


calif icación
∆rem
∆Y
∆X1


calif icación
∆rem
∆Y
∆X1


calif icación
∆rem
∆Y
∆X1


calif icación
∆rem
∆Y
∆X1


calif icación
∆rem
∆Y
∆X1

a) Interacciones entre dos variables binarias.
Yi = β0 + β1 D1i + β2 D2i + ui
D1i , D2i son variables binarias, dummy, dicotómicas o ficticias.
β1 es el efecto del cambio de D1 = 0 a D1 = 1, en esta
especificación, este efecto no depende del valor de D2 .
Para permitir que el efecto del cambio en D1 dependa de D2 ,
se incluye el término de interacción D1i × D2i como regresor:
Yi = β0 + β1 D1i + β2 D2i + β2 (D1i × D2i ) + ui
Interpretaciones de los coeficientes:
Regla general: Compare varios casos:
E(Yi /D1i = 0, D2i = d2 ) = β0 + β2 d2 (7)
E(Yi /D1i = 1, D2i = d2 ) = β0 + β1 + β2 d2 + β3 d2 (8)
Restando (8)-(7):E(Yi /D1i = 1, D2i = d2 ) − E(Yi /D1i =
0, D2i = d2 ) = β1 + β3 d2
El efecto de D1 depende de d2 (lo que queremos).
β3 = incremento del efecto de D1 cuando D2 = 1.
Yi = β0 + β1 D1i + β2 D2i + ui
E(Yi /D1i = 0, D2i = d2 ) = β0 + β2 d2 (7)
E(Yi /D1i = 1, D2i = d2 ) = β0 + β1 + β2 d2 + β3 d2 (8)
0, D2i = d2 ) = β1 + β3 d2
Yi = β0 + β1 D1i + β2 D2i + ui
E(Yi /D1i = 0, D2i = d2 ) = β0 + β2 d2 (7)
E(Yi /D1i = 1, D2i = d2 ) = β0 + β1 + β2 d2 + β3 d2 (8)
0, D2i = d2 ) = β1 + β3 d2
Yi = β0 + β1 D1i + β2 D2i + ui
E(Yi /D1i = 0, D2i = d2 ) = β0 + β2 d2 (7)
E(Yi /D1i = 1, D2i = d2 ) = β0 + β1 + β2 d2 + β3 d2 (8)
0, D2i = d2 ) = β1 + β3 d2
Yi = β0 + β1 D1i + β2 D2i + ui
E(Yi /D1i = 0, D2i = d2 ) = β0 + β2 d2 (7)
E(Yi /D1i = 1, D2i = d2 ) = β0 + β1 + β2 d2 + β3 d2 (8)
0, D2i = d2 ) = β1 + β3 d2
Yi = β0 + β1 D1i + β2 D2i + ui
E(Yi /D1i = 0, D2i = d2 ) = β0 + β2 d2 (7)
E(Yi /D1i = 1, D2i = d2 ) = β0 + β1 + β2 d2 + β3 d2 (8)
0, D2i = d2 ) = β1 + β3 d2
Yi = β0 + β1 D1i + β2 D2i + ui
E(Yi /D1i = 0, D2i = d2 ) = β0 + β2 d2 (7)
E(Yi /D1i = 1, D2i = d2 ) = β0 + β1 + β2 d2 + β3 d2 (8)
0, D2i = d2 ) = β1 + β3 d2
Ejemplo: Calificación,rem, pctel
Sea
( (
1 Si rem ≥ 20 1 Si pctel ≥ 10
alto rem = alto pctel =
0 Si rem < 20 0 Si pctel < 10
calificación = 664, 1 − 1, 9 alto rem − 18, 2 alto pctel − 3, 5 alto rem alto
(1,4) (1,9) (2,3) (3,1)
El “efecto” de alto rem cuando alto pctel = 0 es -1.9.

El “efecto” de alto rem cuando alto pctel = 1 es
-1.9-3.5=-5.4.
El efecto de la reducción del tamaño de clase tiene un mayor
efecto cuando el porcentaje de aprendices de inglés es grande.
Esta interacción es estadı́sticamente significativa: t = 3.5/3.1.
Sea
( (
(1,4) (1,9) (2,3) (3,1)

-1.9-3.5=-5.4.
Sea
( (
(1,4) (1,9) (2,3) (3,1)

-1.9-3.5=-5.4.
Sea
( (
(1,4) (1,9) (2,3) (3,1)

-1.9-3.5=-5.4.
b) Interacción entre una variable continua y binaria
Yi = β0 + β1 Di + β2 Xi + ui
Di es binaria, X es continua.
Como se especifico, el efecto sobre Y de un cambio en X
(manteniendo constante D) es β2 , que no depende de D.
Para permitir que el efecto de X dependa de D, se incluye el
“término interacción“ Di × Xi como un regresor:
Yi = β0 + β1 Di + β2 Xi + β3 (Di × Xi ) + ui
Regla general: Compare los distintos casos:
Y = β0 + β1 Di + β2 X + β3 (Di × X) (9)
Ahora el cambio en X:
Y +∆Y = β0 +β1 D+β2 (X +∆X)+β3 [D · (X + ∆X)] (10)
Restando (10)-(9): ∆Y = β2 ∆X + β3 D × ∆X o
∆Y /∆X = β2 + β3 D
El efecto de X depende de D, β3 =incremento del efecto de
X cuando D = 1
Yi = β0 + β1 Di + β2 Xi + ui
Y = β0 + β1 Di + β2 X + β3 (Di × X) (9)
Y +∆Y = β0 +β1 D+β2 (X +∆X)+β3 [D · (X + ∆X)] (10)
∆Y /∆X = β2 + β3 D
X cuando D = 1
Yi = β0 + β1 Di + β2 Xi + ui
Y = β0 + β1 Di + β2 X + β3 (Di × X) (9)
Y +∆Y = β0 +β1 D+β2 (X +∆X)+β3 [D · (X + ∆X)] (10)
∆Y /∆X = β2 + β3 D
X cuando D = 1
Yi = β0 + β1 Di + β2 Xi + ui
Y = β0 + β1 Di + β2 X + β3 (Di × X) (9)
Y +∆Y = β0 +β1 D+β2 (X +∆X)+β3 [D · (X + ∆X)] (10)
∆Y /∆X = β2 + β3 D
X cuando D = 1
Yi = β0 + β1 Di + β2 Xi + ui
Y = β0 + β1 Di + β2 X + β3 (Di × X) (9)
Y +∆Y = β0 +β1 D+β2 (X +∆X)+β3 [D · (X + ∆X)] (10)
∆Y /∆X = β2 + β3 D
X cuando D = 1
Yi = β0 + β1 Di + β2 Xi + ui
Y = β0 + β1 Di + β2 X + β3 (Di × X) (9)
Y +∆Y = β0 +β1 D+β2 (X +∆X)+β3 [D · (X + ∆X)] (10)
∆Y /∆X = β2 + β3 D
X cuando D = 1
Ejemplo: Calificación, rem, alto pctel (=1 si pctel≥20)
calificación = 682, 2 − 0, 97 rem + 5, 6 alto pctel − 1, 28 rem × alto pc

(11,9) (0,59) (19,5) (0,97)
Cuando alto pctel = 0 Calf icacion = 682.2 − 0.97rem

V
Cuanto alto pctel = 1 Calf icacion =

682.2 − 0.97rem + 5.6 − 1.28rem = 687.8 − 2.25rem
Dos lı́neas de regresión: una para cada grupo alto pct.
Se estima que la reducción del tamaño de clase tiene un mayor
efecto cuando el porcentaje de aprendices de inglés es alto.
Se pueden probar varias hipótesis:
Las dos lı́neas de regresión tienen las mismas pendientes y el
coeficiente de rema ltop ctel es cero: t = −1.28/0.97 = −1.32.
(no se puede rechazar.
Las dos regresiones tienen el mismo intercepto y el coeficiente
de altop ctel es cero: t = −5.6/19.5 = 0.29 (no se puede
rechazar).

(11,9) (0,59) (19,5) (0,97)

V

682.2 − 0.97rem + 5.6 − 1.28rem = 687.8 − 2.25rem
rechazar).

(11,9) (0,59) (19,5) (0,97)

V

682.2 − 0.97rem + 5.6 − 1.28rem = 687.8 − 2.25rem
rechazar).

(11,9) (0,59) (19,5) (0,97)

V

682.2 − 0.97rem + 5.6 − 1.28rem = 687.8 − 2.25rem
rechazar).

(11,9) (0,59) (19,5) (0,97)

V

682.2 − 0.97rem + 5.6 − 1.28rem = 687.8 − 2.25rem
rechazar).

(11,9) (0,59) (19,5) (0,97)

V

682.2 − 0.97rem + 5.6 − 1.28rem = 687.8 − 2.25rem
rechazar).

(11,9) (0,59) (19,5) (0,97)

V

682.2 − 0.97rem + 5.6 − 1.28rem = 687.8 − 2.25rem
rechazar).
V

(11,9) (0,59) (19,5) (0,97)
Las hipótesis conjuntas de que las dos lı́neas de regresión son

las mismas y el coeficiente de alto pctel = 0 y que el
coeficiente poblacional de rema ltop ctel = 0
F = 89.94 (valor p¡0.01).
¿Porque rechazamos la hipótesis de manera conjunta pero no
rechazamos de manera individual?
Es una consecuencia de la alta pero imperfecta
multicolinealidad: La alta correlación entre altop ctel y
rema ltop ctel.

V

(11,9) (0,59) (19,5) (0,97)

F = 89.94 (valor p¡0.01).
rema ltop ctel.

V

(11,9) (0,59) (19,5) (0,97)

F = 89.94 (valor p¡0.01).
rema ltop ctel.

Interacciones entre variables binarias
Las dos lı́neas de regresión:

Las observaciones con Di = 0 (El grupo con D = 0):
Yi = β0 + β1 Xi + ui
Las observaciones con Di = 1 (El grupo con D = 1):
Yi = β0 + β1 + β2 Xi + β3 Xi + ui
= (β0 + β1 ) + (β2 + β3 )Xi + ui

Figura: Funciones de regresión utilizando variables binarias y continuas
Fuente: Stock Watson 2012

c) Interacciones entre dos variables continuas
Yi = β0 + β1 X1i + β2 X2i + ui
X1 , X2 son variables continuas.
Como esta especificada, el efecto de X1 no depende de X2 .
Para permitir que el efecto de X1 dependa de X2 , se incluye
el ”término interacción“, X1 × X2 como un regresor:
Yi = β0 + β1 X1i + β2 X2i + β3 (X1 × X2 )
La regla general es: comparar varios casos:
Y = β0 + β1 X1 + β2 X2 + β3 (X1 × X2 ) (11)
Y + ∆Y = β0 + β1 (X1 + ∆X1 ) + β2 X2 + β3 (X1 × X2 ) (12)
Restando (12)-(11): ∆Y = β1 ∆X1 + β2 X2 ∆X1 o
∆Y /∆X1 = β2 + β3 X2
El efecto de X1 depende de X2 .
β3 es el incremento en el efecto de X1 de un ∆X2 = 1 en X2 .
Yi = β0 + β1 X1i + β2 X2i + ui
Yi = β0 + β1 X1i + β2 X2i + β3 (X1 × X2 )
Y = β0 + β1 X1 + β2 X2 + β3 (X1 × X2 ) (11)
Y + ∆Y = β0 + β1 (X1 + ∆X1 ) + β2 X2 + β3 (X1 × X2 ) (12)
∆Y /∆X1 = β2 + β3 X2
Yi = β0 + β1 X1i + β2 X2i + ui
Yi = β0 + β1 X1i + β2 X2i + β3 (X1 × X2 )
Y = β0 + β1 X1 + β2 X2 + β3 (X1 × X2 ) (11)
Y + ∆Y = β0 + β1 (X1 + ∆X1 ) + β2 X2 + β3 (X1 × X2 ) (12)
∆Y /∆X1 = β2 + β3 X2
Yi = β0 + β1 X1i + β2 X2i + ui
Yi = β0 + β1 X1i + β2 X2i + β3 (X1 × X2 )
Y = β0 + β1 X1 + β2 X2 + β3 (X1 × X2 ) (11)
Y + ∆Y = β0 + β1 (X1 + ∆X1 ) + β2 X2 + β3 (X1 × X2 ) (12)
∆Y /∆X1 = β2 + β3 X2
Yi = β0 + β1 X1i + β2 X2i + ui
Yi = β0 + β1 X1i + β2 X2i + β3 (X1 × X2 )
Y = β0 + β1 X1 + β2 X2 + β3 (X1 × X2 ) (11)
Y + ∆Y = β0 + β1 (X1 + ∆X1 ) + β2 X2 + β3 (X1 × X2 ) (12)
∆Y /∆X1 = β2 + β3 X2
Yi = β0 + β1 X1i + β2 X2i + ui
Yi = β0 + β1 X1i + β2 X2i + β3 (X1 × X2 )
Y = β0 + β1 X1 + β2 X2 + β3 (X1 × X2 ) (11)
Y + ∆Y = β0 + β1 (X1 + ∆X1 ) + β2 X2 + β3 (X1 × X2 ) (12)
∆Y /∆X1 = β2 + β3 X2
Yi = β0 + β1 X1i + β2 X2i + ui
Yi = β0 + β1 X1i + β2 X2i + β3 (X1 × X2 )
Y = β0 + β1 X1 + β2 X2 + β3 (X1 × X2 ) (11)
Y + ∆Y = β0 + β1 (X1 + ∆X1 ) + β2 X2 + β3 (X1 × X2 ) (12)
∆Y /∆X1 = β2 + β3 X2
Yi = β0 + β1 X1i + β2 X2i + ui
Yi = β0 + β1 X1i + β2 X2i + β3 (X1 × X2 )
Y = β0 + β1 X1 + β2 X2 + β3 (X1 × X2 ) (11)
Y + ∆Y = β0 + β1 (X1 + ∆X1 ) + β2 X2 + β3 (X1 × X2 ) (12)
∆Y /∆X1 = β2 + β3 X2
Ejemplo: Calificación, rem, pctel
\
calificación = 686, 3 − 1, 12 rem − 0, 67 pctel + 0, 0012 rem pctel
(11,8) (0,59) (0,37) (0,019)
El efecto estimado de la reducción en el tamaño de clase no es lineal

porque el tamaño del efecto depende de pctel:
∆Calif icacion
= 1.12 + 0.0012pctel
∆rem
∆Calif icacion
pctel
∆rem
0 -1.12
20 % −1.12 + 0.0012 × 20 = −1.10
¿Es el coeficiente poblacional de remp ctel = 0?

t = 0.0012/0.019 (No se puede rechazar H0 al 5 %.
¿Es el coeficiente poblacional de rem = 0?
t = −1.12/0.59 = −1.90 (No se puede rechazar la H0 al 5 %.
¿H0 : βrem = 0, βrem pctel = 0? F = 3.89 (valor p=0.021)
\
(11,8) (0,59) (0,37) (0,019)

∆Calif icacion
= 1.12 + 0.0012pctel
∆rem
∆Calif icacion
pctel
∆rem
0 -1.12
20 % −1.12 + 0.0012 × 20 = −1.10

\
(11,8) (0,59) (0,37) (0,019)

∆Calif icacion
= 1.12 + 0.0012pctel
∆rem
∆Calif icacion
pctel
∆rem
0 -1.12
20 % −1.12 + 0.0012 × 20 = −1.10

Aplicación: Efectos no-lineales sobre la calif icacion del
ratio estudiantes/profesores rem
Nos enfocamos en dos cuestiones:

¿Existen efectos no-lineales de la reducción en el tamaño de la
clase sobre la calificación? (¿Una reducción de 35 a 30 tiene el
mismo efecto que una reducción de 20 a 15?)
¿Existen interacciones no-lineales entre pctel y rem? ¿Son las
clases más pequeñas cuando tienen muchos aprendices de
inglés?

Aplicación: Efectos no-lineales sobre la calif icacion del
ratio estudiantes/profesores rem
Nos enfocamos en dos cuestiones:

¿Existen efectos no-lineales de la reducción en el tamaño de la
clase sobre la calificación? (¿Una reducción de 35 a 30 tiene el
mismo efecto que una reducción de 20 a 15?)
¿Existen interacciones no-lineales entre pctel y rem? ¿Son las
clases más pequeñas cuando tienen muchos aprendices de
inglés?

Estrategia para la pregunta # 1: ¿Efectos diferentes para
diferentes rem?
Estime funciones lineales y no-lineales de rem, manteniendo

constante variables demográficas relevantes.
pctel
ingreso (Recuerde la relación no-lineal entre calif icacion e
ingreso.
lunchpt (Fracción de subsidios en el desayuno).
Observe si agregando los términos no-lineales tiene una
”importancia económica“ o diferencia cuantitativa
(”importancia económica“ o ”en el mundo real“ es diferente
de la significancia estadı́stica).
Pruebe si los términos no-lineales son significativos.

diferentes rem?

pctel
ingreso.

diferentes rem?

pctel
ingreso.

diferentes rem?

pctel
ingreso.

diferentes rem?

pctel
ingreso.

diferentes rem?

pctel
ingreso.

La calificacion y tres variables demográficas
Las funciones lineales y cúbicas
Una ventaja de la especificación logarı́tmica es que se comporta

mejor cerca del fin de la muestra, especialmente para valores grandes
del ingreso.
Especificación base
A partir de los diagramas de dispersión, empezamos con un punto

de partida para las variables demográficas.
Variable dependiente: Calif icación
Variable independiente Forma funcional

pctel Lineal
lunchpct Lineal
Ingreso log(ingreso) o cúbica

Pregunta # 1: Investigar si consideramos un polinomio en
rem
\
calificacion = 252, 0 + 64, 33 rem − 3, 42 rem2 + 0, 059 rem3
(163,6) (24,86) (1,25) (0,021)
− 5, 47 alto pctel − 0, 420 lunchpct + 11, 75 logingreso

(1,03) (0,029) (1,78)
Interpretación de los coeficientes de:

¿Alto pctel?
¿Lunchpct?
¿Log(ingreso)?
¿rem, rem2 y rem3 ?

rem
\
(163,6) (24,86) (1,25) (0,021)

(1,03) (0,029) (1,78)

¿Alto pctel?
¿Lunchpct?
¿Log(ingreso)?

rem
\
(163,6) (24,86) (1,25) (0,021)

(1,03) (0,029) (1,78)

¿Alto pctel?
¿Lunchpct?
¿Log(ingreso)?

rem
\
(163,6) (24,86) (1,25) (0,021)

(1,03) (0,029) (1,78)

¿Alto pctel?
¿Lunchpct?
¿Log(ingreso)?

Interpretación de los coeficientes, la regresión anterior se
coloca como (5) en la siguiente figura
Tres funciones de regresión relacionando calif icacion y rem


¿Son los términos de orden superior en rem
estadı́sticamente significativos?

(163,6) (24,86) (1,25) (0,021)
− 5, 47 alto pctel − 0, 420 lunchpct + 11, 75 log(ingreso)

(1,03) (0,029) (1,78)
H0 : βrem3 = 0 t = 0.059/0.021 = 2.86 (valor p=0.005)

H0 : βrem = 0, F = 6.17 valor p=0.02

¿Son los términos de orden superior en rem
estadı́sticamente significativos?

(163,6) (24,86) (1,25) (0,021)
− 5, 47 alto pctel − 0, 420 lunchpct + 11, 75 log(ingreso)

(1,03) (0,029) (1,78)
H0 : βrem3 = 0 t = 0.059/0.021 = 2.86 (valor p=0.005)

H0 : βrem = 0, F = 6.17 valor p=0.02

Pregunta # 2: Interacciones rem − pctel para simplificar
las cosas, ignoramos rem2 , rem3 por ahora
calificacion = 653, 6 − 0, 53 rem + 5, 50 alto pctel − 0, 58 rem alto pctel

(9,9) (0,34) (9,80) (0,50)
− 0, 411 lunchpct + 12, 12 logingreso

(0,029) (1,80)
Interpretación de los coeficientes.

¿rem?
¿Alto pctel?
¿rem alto pctel?
¿Lunchpct?
¿log(ingreso)?


(9,9) (0,34) (9,80) (0,50)

(0,029) (1,80)

¿rem?
¿Alto pctel?
¿rem alto pctel?
¿Lunchpct?
¿log(ingreso)?


(9,9) (0,34) (9,80) (0,50)

(0,029) (1,80)

¿rem?
¿Alto pctel?
¿rem alto pctel?
¿Lunchpct?
¿log(ingreso)?


(9,9) (0,34) (9,80) (0,50)

(0,029) (1,80)

¿rem?
¿Alto pctel?
¿rem alto pctel?
¿Lunchpct?
¿log(ingreso)?


(9,9) (0,34) (9,80) (0,50)

(0,029) (1,80)

¿rem?
¿Alto pctel?
¿rem alto pctel?
¿Lunchpct?
¿log(ingreso)?

Interpretación de las funciones a través de los diagramas
de dispersión

(9,9) (0,34) (9,80) (0,50)
− 0, 411 lunchpct + 12, 12 log(ingreso)

(0,029) (1,80)
Importancia de polı́tica o económica del (

término interacción:
∆Calif icacion = 1.12 si alto pctel = 1
= −0.53−0.58alto pctel =
∆rem = 0.53 si alto pctel = 0
La diferencia en el efecto estimado de reducir la rem es

sustancial, la reducción del tamaño de clase es efectiva en
distritos con más aprendices de inglés.

¿Es el efecto de interacción estadı́sticamente significativo?

(9,9) (0,34) (9,80) (0,50)

(0,029) (1,80)
H0 : βrem alto pctel = 0 t = −1.17 no es estadı́sticamente

significativo.
H0 : βrem = 0, βrem alto pcte = 0 F = 5.92 (p = 0.03)

¿Es el efecto de interacción estadı́sticamente significativo?

(9,9) (0,34) (9,80) (0,50)

(0,029) (1,80)
H0 : βrem alto pctel = 0 t = −1.17 no es estadı́sticamente

significativo.
H0 : βrem = 0, βrem alto pcte = 0 F = 5.92 (p = 0.03)

Modelos de regresión no-lineales sobre calificación
Interpretación de las funciones de regresión a través de
diagramas de dispersión
Funciones de regresiones con alto y bajo porcentajes de aprendices de

inglés

Prueba de hipótesis conjunta

Resumen: Funciones de regresión no-lineales
La utilización de funciones de variables como log(X) o

X1 × X2 permite obtener una familia de funciones de
regresión no-lineales en el análisis de regresión múltiple.
La estimación e inferencia estadı́stica se lleva a cabo de la
misma manera que en el modelo de regresión múltiple.
La interpretación de un coeficiente es especı́fica del modelo,
pero la regla general es comparar los efectos comparando
diferentes casos (diferentes valores del original X).
Son posibles muchas especificaciones no-lineales, de tal forma
que debe usar el buen juicio: ¿Qué efecto no-lineal quiere
analizar? ¿Tiene sentido en su aplicación?.







Gracias

6 Funciones de Regresión No Lineales

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

6 Funciones de Regresión No Lineales

Cargado por

Copyright:

Formatos disponibles

FUNCIONES DE REGRESIÓN NO-LINEALES

Hebert Suarez Cahuana

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hasta ahora todo ha sido lineal en las Xs.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hasta ahora todo ha sido lineal en las Xs.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hasta ahora todo ha sido lineal en las Xs.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Fuente: Stock y Watson (2012)

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Fuente: Stock y Watson (2012)

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Yi = f (X1i , X2i , ..., Xki ) + ui , i = 1, ..., n

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Veremos dos enfoques complementarios.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Veremos dos enfoques complementarios.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Aproximar la función de regresión poblacional por un polinomio:

Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui

Esto es lo mismo que el modelo de regresión múltiple -excepto

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Aproximar la función de regresión poblacional por un polinomio:

Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui

Esto es lo mismo que el modelo de regresión múltiple -excepto

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Aproximar la función de regresión poblacional por un polinomio:

Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui

Esto es lo mismo que el modelo de regresión múltiple -excepto

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

ingresoi = ingreso promedio en el distrito i (miles de dólares per-cápita

Calif icación = β0 + β1 ingresoi + β2 (ingresoi )2 + ui

Calif icación = β0 +β1 ingresoi +β2 (ingresoi )2 +β3 (ingresoi )3 +ui

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Figura: Diagrama de dispersión entre la calificación y el ingreso medio del

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

a) Calcule el “efecto” para diferentes valores:

El cambio predicho en calif icación para un cambio de $6000

∆calif icación = 607.3 + 3.8 × 6 − 0.0423 × 62

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Efectos predichos para diferentes valores de X

∆ en ingreso ∆ en calif icación

El “efecto” de un cambio en el ingreso es mayor para niveles bajos

Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui

Estimación: Por MCO después de definir los nuevos regresores.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui

Estimación: Por MCO después de definir los nuevos regresores.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui

Estimación: Por MCO después de definir los nuevos regresores.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui

Estimación: Por MCO después de definir los nuevos regresores.

Hebert Suarez Cahuana Departamento de Economı́a UNSA FUNCIONES DE REGRESIÓN NO-LINEALES

Yi = β0 + β1 Xi + β2 Xi2 + ... + βr Xrr + ui