Documentos de Académico
Documentos de Profesional
Documentos de Cultura
consideraremos algunos modelos de regresión muy comunes, que pueden ser no lineales
en las variables, pero sí lineales en los parámetros, o que pueden serlo mediante
transformaciones apropiadas de las variables.
1. El modelo log-lineal.
2. Modelos semilogarítmicos.
3. Modelos recíprocos.
4. El modelo logarítmico recíproco.
Cómo medir la elasticidad: modelo log-lineal
Considere el siguiente modelo, conocido como modelo de regresión exponencial:
donde α = ln β1, este modelo es lineal en los parámetros α y β2, lineal en los logaritmos
de las variables Y y X, y se estima por regresión MCO.
Si se cumplen los supuestos del modelo clásico de regresión lineal, los parámetros de se
estiman por el método MCO.
Una característica atractiva del modelo log-log, es que el coeficiente de la pendiente β2
mide la elasticidad de Y respecto de X, es decir, el cambio porcentual en Y ante un
pequeño cambio porcentual en X
Pueden observarse dos características especiales del modelo log-lineal: el modelo
supone que el coeficiente de la elasticidad entre Y y X, β2, permanece constante a
través del tiempo, otra característica es que a pesar de que αˆ y βˆ2 son estimadores
insesgados de α y β2, β1 al estimarse como βˆ 1 = antilog (αˆ) es, en sí, un estimador
sesgado.
En el modelo de dos variables, la forma más simple de decidir si el modelo log-lineal se
ajusta a los datos es graficar el diagrama de dispersión de ln Yi frente a ln Xi y ver si las
observaciones caen más o menos sobre una línea recta.
Modelos semilogarítmicos: log-lin y lin-log
Cómo medir la tasa de crecimiento: modelo log-lin
Suponga que deseamos conocer la tasa de crecimiento del gasto de consumo personal en
servicios. Sea Yt el gasto real en servicios en el tiempo t y Y0 el valor inicial del gasto
en servicios.
Ahora, con