Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimación MCO
Yi = β1 + β2 Xi + єi
En Gretl, nos vamos a Modelo – Mínimos cuadrados ordinarios y en el
cuadro de dialogo “especificar modelo” seleccionamos Y, como variable
endógena o dependiente y X2, como variable explicativa o regresor.
79
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
En esta pantalla aparecen los resultados básicos para el análisis del modelo.
• Arriba se indica modelo, número de observaciones y variable
dependiente (Y = precio).
• La primera columna muestra la constante de regresión o término
independiente (const) y la variable explicativa que se han incluido en el
modelo, tamaño del piso (X2 = m2).
• En la segunda columna tenemos los coeficientes estimados por MCO
correspondientes a cada una de las variables. La estimación de la
80
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
𝜎0 𝑋8 " 𝜎0 𝑋8 "
SE3𝛽"! 4 = 71 + = 71+
√𝑛 ∑ 𝑥#" √𝑛 𝑛 𝑆$"
𝜎0 𝜎0
SE3𝛽"" 4 = =
<∑ 𝑥#" =𝑛 𝑆$"
81
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
82
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
83
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
Podemos ver que los residuos se distribuyen alrededor del valor cero (𝑒̅# =0).
Residuos de la regresiÛn (= Y observada - estimada)
400
300
200
100
residuo
-100
-200
-300
100 150 200 250
m2
84
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
Variables asociadas a la regresión. Para ver los valores que toman los valores
estimados 𝑌"# y los residuos ei, debemos seleccionar Análisis - Mostrar variable
observada, estimada, residuos.
86
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
4) Los valores ajustados 𝑌$# y los del regresor X2i están perfectamente
correlacionados, r (𝑌$# , X2i) = 1.
5) La correlación entre los valores observados Yi con los valores ajustados 𝑌$# y la
variable explicativa X2i es la misma.
6) Los residuos ei y los valores de la variable explicativa X2i están
incorrelacionados, re,X1 = 0.
7) Los residuos ei y los valores de la variable ajustada 𝑌$# están incorrelacionados,
r (e,𝑌$# ) = 0.
87
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
n n
s å( X i - X )(Yi - Y ) åx y i i
bˆ2 = XY2 = i =1
n
= i =1
n
; bˆ1 = Y - b 2 X
sX
å( X -X) åx
2 2
i i
i =1 i =1
Una vez tenemos calculadas las desviaciones de los valores de X e Y respecto a sus
respectivas medias aritméticas (𝑦# = 𝑌# − 𝑌&, 𝑥# = 𝑋# − 𝑋&) calculamos su producto (xi.yi)
y los cuadrados de las desviaciones de la variable X respecto a su media (𝑥# ).
Al final de las columnas correspondientes a las desviaciones con respecto a su media
de los valores de X e Y, el producto de estas desviaciones y los cuadrados de las
desviaciones de los valores de X respecto a su media aritmética, obtenemos sus
correspondientes sumas.
Las dos últimas serán empleadas como numerador y denominador, respectivamente,
para el cálculo de 𝛽*$ según la fórmula anteriormente indicada. Una vez obtenido 𝛽*$ ,
con los valores de las medias de X e Y, obtenemos 𝛽*% ,
88
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
Obsérvese cómo la suma de las desviaciones de los valores de una variable respecto
a su media aritmética es siempre nula:
n
n n n åX i
å ( X i - X ) = å X i - nX = å X i - n
i =1 i =1 i =1
i =1
n
=0
Y así, empleando Excel podemos computar las fórmulas del resto de estadísticos y
coeficientes ofrecidas en teoría.
89
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
La estimación de los parámetros, junto con otros valores, como el R2, los estadísticos
de los contrastes de significatividad, etc., aparecen en la estimación MCO del modelo
con Excel, para lo cual tenemos que comprobar en primer lugar si está instalada la
opción en el programa.
Si no estuviese, iríamos a Archivo – Opciones
90
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
91
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
Si tuviésemos un modelo sin ordenada habría que pulsar en Constante igual a cero.
En Nivel de confianza está el que el programa utiliza para hacer los intervalos de
confianza, que por defecto es el 95%. Si no lo pulsamos nos parecerán dos soluciones
en las que los límites de los intervalos coinciden porque ambos están calculados al
95%. Pero si lo cambiamos y ponemos por ejemplo 99%, en la hoja de resultados
aparecerán los límites (inferior y superior) de un intervalo a ese nivel (99%) y el del
95% que lo calcula siempre.
En las opciones de salida, si queremos que salga en la misma hoja donde tenemos los
datos, seleccionamos la primera opción y marcando con el ratón en el recuadro de la
derecha seleccionamos las celdas correspondientes. La opción En una hoja nueva,
es la más cómoda, y los resultados aparecen en el mismo libro de Excel pero en otra
hoja nueva, y la opción en un libro nuevo es para obtener los resultados en un archivo
distinto que se crea nuevo.
Las últimas opciones no las utilizaremos de momento.
Tras pulsar en Aceptar nos aparece una hoja nueva en nuestro archivo de Excel con
los resultados de la estimación del modelo:
Como vemos, los resultados coinciden con los obtenidos con Gretl, pero además nos
da información sobre el análisis de la varianza y los intervalos de confianza (por
defecto, 0’95) para las estimaciones de los coeficientes del modelo.
92
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
De nuevo con el ejemplo del precio de los pisos (Y), ahora dispondremos de
información sobre el tamaño de los pisos (X2), número de habitaciones (X3) y
número de cuartos de aseo (X4), por lo que estimaremos por MCO, usando
Gretl, el siguiente modelo de regresión lineal múltiple1:
1
En Gretl no existe el nombre β1, en este caso está representado por const a la que Gretl
asigna b1. Como esto no afecta a nuestro análisis asumimos esta expresión para el modelo.
93
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
94
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
Como vemos no tiene mucho sentido que el precio se reduzca a medida que
aumente el número de baños. Que la estimación de este parámetro sea
negativa puede deberse a que tengamos un problema de multicolinealidad,
pero esto lo analizaremos más adelante. También hemos de tener en cuenta
que a la hora de interpretar un coeficiente de regresión asociado a uno de los
regresores estamos manteniendo constante el resto de variables explicativas.
Si la misma superficie habitable se tiene que dividir para poder incluir un nuevo
baño, el resultado sería que cada baño sería más pequeño. El signo del
coeficiente estimado podría indicar que un comprador medio valora
negativamente tener más baños a costa de un menor tamaño de éstos.
- En la tercera columna tenemos las estimaciones de las desviaciones estándar
de las distribuciones de los estimadores de los coeficientes del modelo:
𝑠𝑒 "# 4 = 𝜎0 (𝑋 ' 𝑋)(!
K3𝛽 ##
95
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
Es decir:
sˆ 2 å ei 2 / ( n - k ) n -1
(1- R )
2
R = 1- = 1- R = 1-
2 2
SY 2
å yi / ( n - 1)
2
n-k
50 − 1
𝑅8" = 1 − (1 − 0,7608) = 0,7452
50 − 4
97
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
R 2 ( k - 1)
Fexp =
(1 - R ) ( n - k )
2
bˆi ± se i( )
! bˆ ´ t n - k
1-a 2
El valor teórico o crítico de la t de Student podemos buscarlos en las tablas
estadísticas, donde encontramos: 𝑡*,,-. (46)= 2,0129 o mediante el programa
Gretl en Herramientas – tablas estadísticas
Se puede comprobar que el cálculo del resto también coincide con los valores
obtenidos en Gretl.
Su interpretación sería: Con un nivel de confianza del 95%, podemos afirmar
que, ante un aumento de la superficie de la vivienda de 1 metro cuadrado,
manteniéndose constante el número de habitaciones y de baños, el precio
medio de venta de dicha vivienda aumentará, en promedio, entre 2’6360 y
4’1217 miles de dólares.
La interpretación es similar para los distintos parámetros que acompañan a las
variables explicativas, teniendo en cuenta cuál es en cada caso la variable
explicativa en cuestión y que el resto de variables se mantienen constantes.
Si hacemos uso de la relación existente entre contraste de hipótesis e intervalo
de confianza, también se puede afirmar que, para un nivel de significación del
5%, (complementario del nivel de confianza) se rechaza la hipótesis nula de
que β2 = 0, puesto que dicho valor no está comprendido dentro del intervalo.
99
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
En primer lugar construimos la matriz de datos X añadiendo una columna de unos, que
representan los valores de la variable artificial que acompaña al término independiente
(𝛽( ), a las columnas de los datos de las variables explicativas:
100
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
101
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
102
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA
ECONOMETRÍA CON GRETL
Estimación MCO
Para calcular la inversa, nuevamente seleccionamos las celdas dónde irá el resultado
(debe ser 4x4) y en la parte de arriba =MINVERSA(celdas de la X’X) y NO OLVIDAR
PRESIONAR CTRL+MAYÚS+ENTRAR, todo a la vez:
(b) La estimación de los parámetros, junto con otros valores, como el R2, los
estadísticos de los contrastes de significatividad, etc., aparecen en la estimación del
modelo en Excel, igual que vimos en el caso de una sola variable explicativa. La única
diferencia es que ahora tendremos que introducir todas las columnas de las X, incluida
la constante.
Si pulsamos en la pestaña Datos debe aparecer en la parte de arriba, a la derecha del
todo, Análisis de datos. Si lo pulsamos, buscamos en la lista que aparece
“Regresión”, lo seleccionamos y le damos a Aceptar. Nos aparece una pantalla en la
que iremos indicando lo siguiente:
De momento, pulsamos en Rótulos, para que nos tome el nombre de las variables tal
como aparecen en la hoja de Excel, y en nivel de confianza ponemos 90% y así nos
calculará, como siempre el del 95% y además el del 90% que hemos indicado, y lo
demás lo vamos a dejar tal cual. En la parte de arriba tendremos que indicar el rango
de entrada para las variables. Para ello, pulsamos en el recuadrito derecho y
seleccionamos en la hoja de Excel las celdas correspondientes:
Tras pulsar en Aceptar nos aparece una hoja nueva en nuestro archivo de Excel con
los resultados de la estimación del modelo:
104
Rosario Asián Chaves. ECONOMÍA APLICADA II. UNIVERSIDAD DE SEVILLA