Documentos de Académico
Documentos de Profesional
Documentos de Cultura
APUNTES Y EJERCICIOS
ECONOMETRÍA
+
Índice Página
5.1. INTRODUCCIÓN
El modelo lineal general supone la ampliación del modelo de dos variables a otro de k
variables a partir de una muestra estadística.
𝑌𝑖 = 𝑓(𝑋1 , 𝑋2 , 𝑋3 +. . . . . . . . . . . . +𝑋𝑘 )
Donde:
𝑦1 1 … 𝑥11 . . . . 𝑥21 . . . . . . 𝑥𝑘1
ې 𝑦ۍ ۍ1 … 𝑥 . . . . . 𝑥 . . . . . 𝑥 ې
ێ2ۑ ێ 12 22 𝑘2
ۑ
𝑦= ێ. ۑ 𝑿 = ێ1 … . . . . . . . . . . . . . . . . . . ۑ
ێ. ۑ ێ1 … . . . . . . . . . . . . . . . . . . ۑ
ے 𝑛𝑦 ۏ ۏ1 … 𝑥1𝑛 . . . . . 𝑥2𝑛 . . . . . . 𝑥𝑘𝑛 ے
𝛽0 𝑢1
ې ۍ ې 𝑢ۍ
𝛽 ێ2ۑ
ێ1ۑ 𝑢= ێ. ۑ
𝛽= ێ. ۑ
ێ. ۑ ێ. ۑ Se agrega una columna de una
ے 𝑘𝛽ۏ ے 𝑛𝑢ۏ por concepto del intercepto
𝛽̂ 𝑒1
ۍ0ې ې 𝑒ۍ
̂𝛽ێ1 ۑ ێ2ۑ
𝛽̂ = ێ. ۑ 𝑒= ێ. ۑ
ێ.ۑ Se agrega una columna de una
ێ. ۑ ے 𝑛𝑒ۏ por concepto del intercepto
ے 𝑘̂𝛽ۏ
𝑖=1
𝑛
𝜕 ′
(𝑒 𝑒) = −2𝑋 ′ 𝑦 − 2𝑋 ′ 𝑋𝛽̂ = 0
𝜕𝛽̂
𝛽̂ = (𝑋′𝑋)−1 𝑋 ′ 𝑦
𝛽̂ = (𝑋′𝑋)𝑡 𝑋 ′ 𝑦
0,5 1 1 1 𝑒1
ۍ1ې ۍ1 𝑒 ۍ2 ې
2 2ې
ێ1 𝑒 ێ3 ۑ
ێ2ۑ 3 3ۑ 𝑒 ێ4 ۑ
ێ0,5ۑ ێ ۑ
ێ1 1 1ۑ 𝛽̂0 ۑ 𝑒ێ
ۑ ێ 1,2
𝑦= ێ1 ۑ 𝑿=ێ
1 2ۑ 𝛽̂ = 𝛽̂1 𝑒 = 𝑒 ێ5 ۑ
2 2,3 6
ێ1 1ۑ 𝑒 ێ7 ۑ
ێ4ۑ 𝛽̂2
ێ1 5,1 5ۑ 𝑒 ێ8 ۑ
ێ3ۑ ێ1 4 4ۑ
ێ1ۑ 𝑒 ێ9 ۑ
ێ1 2 1ۑ 𝑒ۏ10 ے
ۏ1ے ۏ1 1,4 2ے
𝑋′𝑋 =
𝑋′𝑋 =
(𝑋 ′ 𝑋)−1 =
Hallamos: 𝑋 ′ 𝑦
𝑋′𝑦 =
𝑋′𝑦 =
𝛽̂ = (𝑋′𝑋)−1 𝑋 ′ 𝑦 =
𝛽̂ = (𝑋′𝑋)−1 𝑋 ′ 𝑦 =
b) RESOLUCIÓN
𝑌𝑖 = 𝛽̂0 + 𝛽̂1 𝑋1 + 𝛽̂2 𝑋2 + 𝑒𝑖
b) RESOLUCIÓN
Comando para el Eviews
Salida final
̂
5.4. MEDIA Y VARIANZA DE 𝜷
̂
5.4.1. MEDIA 𝜷
𝛽̂ = (𝑋′𝑋)−1 𝑋′𝑦
Pero
𝑦 = 𝑋𝛽 + 𝜇
̂ −1
⇒ 𝛽 = (𝑋′𝑋) 𝑋′(𝑋𝛽 + 𝜇)
𝛽̂ = (𝑋′𝑋)−1 𝑋 ′ 𝑋𝛽 + (𝑋′𝑋)−1 𝑋′𝜇
𝛽̂ = 𝛽 + (𝑋′𝑋)−1 𝑋′𝜇
Aplicando esperanzas:
𝐸(𝛽̂) = 𝐸 [𝛽 + (𝑋′𝑋)−1 𝑋′𝜇]
(𝛽̂ ) = 𝛽 + (𝑋 ′ 𝑋)−1 𝑋′𝐸(𝜇) pero: 𝐸 (𝜇) = 0
⇒ 𝐸(𝛽̂ ) = 𝛽 𝛽̂ es insesgado
̂
5.4.2. VARIANZA DE 𝜷
𝑉𝑎𝑟(𝛽̂) = 𝐸[(𝛽̂ − 𝛽)]
Para hallar las varianzas se tiene que buscar lo siguiente matriz:
𝑣𝑎𝑟 − 𝑐𝑜𝑣(𝛽̂ ) = 𝜎̂𝜇2 (𝑋 ′ 𝑋)−1 = 𝜎̂ 2 (𝑋′𝑋)−1
Donde:
𝑉𝑎𝑟(𝛽̂0 ) = 𝜎̂𝛽̂2 ∶ 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝛽̂0
0
…….. …………..
𝑉𝑎𝑟(𝛽̂𝑘 ) = 𝜎̂𝛽̂2𝑘 ∶ 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝛽̂𝑘
𝐶𝑜𝑣(𝛽̂0 , 𝛽̂1 ) = 𝐶𝑜𝑣(𝛽̂1 , 𝛽̂0 ) ∶ 𝐶𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝛽̂0 , 𝛽̂1
…….. …………..
𝐶𝑜𝑣(𝛽̂0 , 𝛽̂𝑘 ) = 𝐶𝑜𝑣(𝛽̂𝑘 , 𝛽̂0 ) ∶ 𝐶𝑜𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒𝑙 𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑜𝑟 𝛽̂0 , 𝛽̂𝑘
Finalmente, la desviación típica del estimador del parámetro esta dado como:
𝜎̂𝛽̂𝑘 = √𝑉𝑎𝑟(𝛽̂𝑘 )
Despejando 𝑉𝑎𝑟(𝛽̂𝑘 ) se tiene como:
2
𝑉𝑎𝑟(𝛽̂𝑘 ) = (𝜎̂𝛽̂𝑘 )
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝜇𝑖
𝐺𝑎𝑠𝑡𝑜𝑠 = 𝛽0 + 𝛽1 (𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠) + 𝛽2 (ℎ𝑖𝑗𝑜𝑠) + 𝜇𝑖
a) Calcular las varianzas de los estimadores de los parámetros 𝛽0 , 𝛽1 y 𝛽2 aplicando el
software Eviews
b) Calcular estimador de la varianza poblacional 𝝈 ̂ 𝟐 aplicando el software Eviews
RESOLUCIÓN
DOCENTE: JOSÉ F. CHAMBI M.
ECONOMETRÍA - T05 10
El software Eviews solo muestra las desviaciones típicas de estos estimadores, sin
embargo, con el siguiente calculo se puede para obtener las varianzas de los estimadores.
𝜎̂𝛽̂0
Estimador de la 𝛽̂0 =
desviación típica 𝛽̂1 = 𝜎̂𝛽̂1
poblacional
𝛽̂2 = 𝜎̂𝛽̂2
𝜎̂𝑢 = 𝜎̂
a) RESOLUCIÓN
Las varianzas están dadas como:
𝑉𝑎𝑟(𝛽̂0 ) = (𝜎̂𝛽̂0 )2 = (0,182356)2 = 0,03325
𝑉𝑎𝑟(𝛽̂1 ) = (𝜎̂𝛽̂1 )2 = (0,154812)2 = 0,02397
𝑉𝑎𝑟(𝛽̂2 ) = (𝜎̂𝛽̂2 )2 = (0,151253)2 = 0,02288
Solución:
𝑉𝑎𝑟(𝛽̂0 ) = 0,03325
𝑉𝑎𝑟(𝛽̂1 ) = 0,02397
𝑉𝑎𝑟(𝛽̂2 ) = 0,02288
b) RESOLUCIÓN
̂𝟐:
El estimador de la varianza poblacional 𝝈
DEFINICIÓN DE LA HIPÓTESIS
Definir las hipótesis.
NIVEL DE SIGNIFICANCIA
Definir un nivel de significancia.
Nivel de significancia: ∝= 0,01
Nivel de significancia: ∝= 0,05
Nivel de significancia: ∝= 0,10
ESTADÍSTICO A PRUEBA
Para calcular el p-valor de la prueba de hipótesis global se utilizará el software Eviews.
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 𝑃𝑟𝑜𝑏(𝐹 − 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐)
REGLA DE DECISIÓN
Se refiere a la regla de decisión:
𝒑 − 𝒗𝒂𝒍𝒐𝒓 ≤ 𝜶 Se rechaza la Hipótesis nula (H0)
𝒑 − 𝒗𝒂𝒍𝒐𝒓 > 𝜶 No se rechaza la Hipótesis nula (H0)
DEFINICIÓN DE LA HIPÓTESIS
NIVEL DE SIGNIFICANCIA
Definir un nivel de significancia.
Nivel de significancia: ∝= 0,01
Nivel de significancia: ∝= 0,05
Nivel de significancia: ∝= 0,10
ESTADÍSTICO A PRUEBA
Para calcular el p-valor de la prueba de hipótesis individual se utilizará el software Eviews.
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = [𝛽̂𝑘 ] 𝑃𝑟𝑜𝑏(𝑡 − 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐)
REGLA DE DECISIÓN
Se refiere a la regla de decisión:
𝒑 − 𝒗𝒂𝒍𝒐𝒓 ≤ 𝜶 Se rechaza la Hipótesis nula (H0)
𝒑 − 𝒗𝒂𝒍𝒐𝒓 > 𝜶 No se rechaza la Hipótesis nula (H0)
𝑌𝑖 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + 𝜇𝑖
𝐺𝑎𝑠𝑡𝑜𝑠 = 𝛽0 + 𝛽1 (𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠) + 𝛽2 (ℎ𝑖𝑗𝑜𝑠) + 𝜇𝑖
a) Realizar calcular la prueba global aplicando el software Eviews.
b) Realizar calcular la prueba individual aplicando el software Eviews.
p-valor de la prueba
de hipótesis global
a) RESOLUCIÓN
DEFINICIÓN DE LA HIPÓTESIS
𝐻0 : 𝛽1 = 𝛽2 = 0 El modelo no es globalmente significativo
𝐻1 : 𝛽1 ≠ 𝛽2 ≠ 0 El modelo es globalmente significativo
NIVEL DE SIGNIFICANCIA
Nivel de significancia: ∝= 0,05
ESTADÍSTICO A PRUEBA
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = 𝑃𝑟𝑜𝑏 (𝐹 − 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐) = 0,000022
REGLA DE DECISIÓN
𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≤ 𝛼
0,000022 ≤ 0,05
Entonces, se rechaza la Hipótesis nula (H0); el modelo es globalmente significativo
b) RESOLUCIÓN
NIVEL DE SIGNIFICANCIA
Nivel de significancia: ∝= 0,05
ESTADÍSTICO A PRUEBA
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = [𝛽̂1 ] 𝑃𝑟𝑜𝑏 (𝑡 − 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐) = 0,0015
REGLA DE DECISIÓN
𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≤ 𝛼
0,0015 ≤ 0,05
Entonces, se rechaza la Hipótesis nula (H0); el coeficiente estimado si es significativo
para el modelo.
NIVEL DE SIGNIFICANCIA
Nivel de significancia: ∝= 0,05
ESTADÍSTICO A PRUEBA
𝑝 − 𝑣𝑎𝑙𝑜𝑟 = [𝛽̂2 ] 𝑃𝑟𝑜𝑏 (𝑡 − 𝑠𝑡𝑎𝑡𝑖𝑠𝑡𝑖𝑐) = 0,7841
REGLA DE DECISIÓN
𝑝 − 𝑣𝑎𝑙𝑜𝑟 ≤ 𝛼
0,7841 > 0,05
Entonces, no se rechaza la Hipótesis nula (H0); el coeficiente estimado no es
significativo para el modelo.
Modelo matemático:
𝑌𝑖 = −537,0558 + 0,725381𝑋𝑖 + 𝑒𝑖
̂
Interpretación 𝜷𝟏 :
“Ante un incremento de 1 Bs. en el ingreso familiar; los gastos familiares de alimentación
se incrementan en promedio en 0,725381 Bs.”
Modelo matemático:
𝑙𝑛(𝑌𝑖 ) = −2,061069 + 1,172019𝑙𝑛(𝑋𝑖 ) + 𝑒𝑖
̂
Interpretación 𝜷𝟏 :
“Ante un incremento de 1% en el ingreso familiar; los gastos familiares de alimentación se
incrementan en promedio en 1,72019%”
Modelo matemático:
𝑌𝑖 = −20632,75 + 2825,498𝑙𝑛(𝑋𝑖 ) + 𝑒𝑖
̂ 𝟏:
Interpretación 𝜷
“Ante un incremento de 1% en el ingreso familiar; los gastos familiares de alimentación se
incrementan en promedio en (2825,498 ∗ 0,01 = 28,25498) 28,25498 Bs.”
Modelo matemático:
𝑙𝑛(𝑌𝑖 ) = −20632,75 + 0,000284𝑋𝑖 + 𝑒𝑖
̂
Interpretación 𝜷𝟏 :
“Ante un incremento de 1 Bs. en el ingreso familiar; los gastos familiares de alimentación
se incrementan en promedio en (0,000284 ∗ 100 = 0,0284) 0,0284%”
SBCSG = 𝛽̂0 + 𝛽̂1 𝐼𝑇𝐼 + 𝛽̂2 𝐶𝐴𝐸 + 𝛽̂3 𝐼𝑇𝐶𝑅𝑀 + 𝛽̂4 𝑃𝐼𝐵 + 𝛽̂5 𝑇𝐶𝑁 + 𝑒𝑡