Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Si X, y son v . .
a destribuidas conjuntas normal
=> X y , son independientes sii Cor(x, y) =
0 .
Sij
4) combinación lineal de v a
. .
normales iid =Independientes
tienen una distribución muestral . i= identicamente
d distribuidas
=
muestra
. Subconjunto de la población donde se escoge un
Sea Y una U a
. .
(salarios) con P d f
. .
.
f(Yi (t) donde
E es un parcimetro que no se .
conoce
9 .
1] Muestra aleatoria
Sean Y1 ... In V A
. .
Entonces 1... Yn
y es una muestra aleatoria de la población
representada fly ; el .
. 2
9 Estimadores .
·
Regla o función que transforma los posibles valores de la muestra.
·
"Adivinanza" de E ,
siempre tiene la misma formula para
toda muestra
.
observado No observado
Yi ,
Xi , Bo ,
Ba ,
i .
- 1
Ba , y, 4
E emplo stata :
Nos interesa la relación entre salario y educación
de la gente que trabaja en Bogotá.
= Bo+
Salario Bs Educación +U
con esto hallamos -
-> 3
I ,
3 , 5 , i.
52 = [(y j)(xi *)
+
-
=>
Yi
y =
= Salario
Salario
ind
Promedio
Educación ind.
(xi y)2
Xi =
*
Educación promedio
-
5x =
Coefficente educación #1 =
616 8t .
Un año adicional de educación
Incrementa el ingreso en 616.8 en
Promedio manteniendo lo demás constante
5 =
coefficiente Constante #2 =
-757 6948 .
>
Ingreso predicho si Edu=0 .
i =
Ingreso = -
757 .
6948 + 616 8 .
·
Edu
3
.5 Bondad de Ajuste
.
exp
como medimos que tan bien explica Xa Y no
-T
Yi = 50 + BeXi ; Mi =
Yi -
Mi = >
yi = Mi t ↑
Y
&
Veyp .
.5
3 .
1 Definiciones
# (yi-y)2 =
mide la variación muestral total en y
=
[ly => STC
n -
1
·
·UnidadesdeMedición leeducaciónenmeses si es
a
4.
Forma funcional .
y =
2
+
u = > no son lineales
Bo +BrX
.
4 1 2 .
nivel- nivel
Si au = 0 = Ayi = B1AXi.
Intendi Caso #1 .
Edle .
En realdad .
Caso #2
. un año de educación adicional aumenta
i el
ingreso en 10% en promedio .
4 .
2 .
2 log-nivel
log lingreso) = BotBixi+Ui Log(yi) = Bo + BeXi + ui
Para[Bo] ,
El Bol = Bo
50 =
y -
52
Resumen
·
bajo los supuestos SIRI-SIR4 los estimadores Bo Bi
,
.
5 4] varianza de los estimadores de OlS .
SLR5 =
Homocedasticidad
var (ui/xi) = o =
EluiYXi)
nota : var(x) =
E(xi) -
(f(x() = > var(u/x) =
Elu2/Xi) -
(e(u/Xi(2)
de OLS .
Bo + B, x+ U
y =
.
10
Correlacionada explicada) por Xz
.
Fi
->
mide el cambio en Y cuando cambia Xi aislando
los efectos de Xz
El mismo resultado se
cumple para
B2.
23 6] Bondad
. de Ajuste
.
R R
= -
[0 , 2]
.
Re nunca cae si se
incluyen mas variables.
una variabl
e en el modelo
Definimos K =
numero de variable
SRC U =
Observaciones
R2 -
asustado .
= 1- n -
k -
1
STC
In-1)
R2- ajustado aumenta incluir mas Variables .
.
no necesariamente al
Son
insesgados .
24 2].
Insesgamiento de OLS
.
Bajo MIR ,
-
MLR4
El j) =
Bj para j=0 ,
1
, 2
,...., K. O en notación matricial
ElB) = B .
l
-> E B Bo ·
Demostración :
B
"
:
/ ** ) * o
reemplazamos y = B + V .
B (xx)
"
=
x XB + U .
Xx)"xj
"
=
(xx) *XB + Se cancelan las X
.
=
B + ( ** )"Qu
ElB(x) =
ElB + ( ** )" * U/X
ElB/x) =
ElB(x) + El( * x) "Qu/X
=
B +
(x * )" * ((u/x) ->
bajo MIR ((U/x) =
0 .
B + ( ** )" * 0 - B
Por LEI
es insesgado de B
.
[4 3] .
Especificación del modelo
[4 .
3 .
1] Sobre -
especificación .
->
coeficiente poblacional 0 .
Ej : modelo verdadero
.
Y Bo =
+ B, X + 0 .
X) + U
cumple con MLR-MLR4.
Pero especificamos
y =
Bo + B , X1 + BeXz + U .; Xz es
una variable irrelevante
Br = .
0
consecuencias
Sigue siendo insesgado
.
[4 .
3 .
2] sub-especificación .
Kin- *, )
Denote STC
=E
B in- ) yi
,
= ,
i Yi Yi Ei -
:
yi
=
-
- =
yi = Bo + B , X + 2x + ai(3)
reemplazamos (3) en Bi
B =
1 (Xiz-X1) /Bo + B , X1 + Baxe + ail
STCI
Desarrollando.
⑪ ⑬ ② ①
B = iz-X , l + (Xiz- /Bix + -Xz + (xi - i
STC2 .
STCI STC , STCI
⑰ =0 .
⑬ -i) Bi Xi
->
Biz-) Xia .
Bi STC
STC STCa
STC
>
B =
Bi .
(X ()(xi2 *)
0 -Filiz Brin-i) Bu
-
Xiz
-
-D =
(Xiz-xil
=
?
STCI STCI .