Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase N°13 Enfoque Matricial
Clase N°13 Enfoque Matricial
Clase # 13
Enfoque Matricial del Modelo de Regresión
INTRODUCCION
El modelo de regresión lineal simple no es adecuado para modelizar muchos
fenómenos económicos, ya que para explicar una variable económica se requiere en
general tener en cuenta más de un factor. Veamos algunos ejemplos:
- Sin embargo, es muy restrictivo considerar que, como sería el caso del modelo
anterior, el coste marginal permanece constante, independientemente de la
cantidad producida. En la teoría económica se propone, una función cúbica, lo
que conduce al siguiente modelo econométrico:
2 3
cos t ot =β 1+ β2 cantprod + β 3 cantpro d + β 4 cantpro d + μi
En este caso, a diferencia de los anteriores, en el modelo sólo hay una variable
explicativa, pero que da lugar a tres regresores.
1
De todos modos, otros factores importantes para explicar los salarios pueden
ser variables cuantitativas tales como el tiempo de formación y la edad, o
variables cualitativas, como el sexo, la rama de actividad, etc.
- Por último, para explicar los gastos en consumo de pescado los factores
relevantes pueden ser su precio, el precio de un producto sustitutivo como la
carne, y la renta disponible. Es decir:
gastopescado=β1 + β 2 preciopescado+ β 3 preciocarne+ β 4 renta + μi
Por lo tanto, los ejemplos anteriores han puesto de relieve la necesidad de utilizar
modelos de regresión múltiple. El tratamiento econométrico del modelo de regresión
lineal simple se hizo utilizando álgebra ordinaria. El tratamiento de un modelo
econométrico de dos variables explicativas mediante el uso de álgebra ordinaria es
tedioso y engorroso; por otra parte, un modelo con tres variables explicativas es
prácticamente intratable con esta herramienta. Por esta razón, el modelo de regresión
se va a presentar utilizando álgebra matricial
y i=β 1 + β 2 X 2i + β 3 X 3 i+ μ i
E ( Y i / X 2 i , X 3 i )=β 1 + β 2 X 2i + β 3 X 3 i+ μ i
Ejemplos:
- Buenos Aires es una empresa dedicada a la fabricación de ventiladores,
habiendo tenido resultados relativamente aceptables en los últimos años. Los
directivos consideran, sin embargo, que los resultados habrían sido mejores si
el absentismo en la empresa no fuera tan alto. Para este propósito, el modelo
que se propone es el siguiente:
absent =β1 + β 2 edad + β 3 antiguedad + β 4 salario+ μ
2
R =0,694 n=48
2
manteniendo fijo el salario y la edad, si los años trabajados en la empresa se
incrementan en un año, el absentismo laboral se reducirá en 0.078 días al año.
Finalmente, la interpretación de β́ 4 es la siguiente: manteniendo fija la edad y
los años trabajados en la empresa, si el salario se incrementa en 1000
bolivianos al año, el absentismo laboral se reducirá en 0.036 días por año.
Y i= β^ 1 + ^β 2 X 2i + β^ 3 X 3 i + ^μi ^β =Ȳ − ^β X̄ − β^ X̄
1 2 2 3 3
^β = ( ∑
y i x2 i ) ( ∑ x23 i ) −( ∑ y i x 3i )( ∑ x 2i x 3i )
2
(∑ x 22i )(∑ x23 i )−( ∑ x 2 i x 3 i )
2
^β = ( ∑
y i x 3i ) ( ∑ x 22i ) −( ∑ y i x 2i )( ∑ x 2i x 3i )
3
(∑ x 22i )(∑ x32i )−( ∑ x 2 i x 3 i )
2
2 β^ 2 ∑ y i x 2 i + β^ 3 ∑ y i x 3 i
R=
∑ y 2i
¿Qué pasa con R2cuando aumenta el número de regresores X i ?
2
R : Coeficiente de Determinación.
2
R̄ : Coeficiente de Determinación Ajustada (estudiar punto 7.8 página 201 Libro Guía)
A medida que aumenta el número de regresoras, R2aumenta casi invariablemente y
nunca disminuye.
3
β 1=¿La Intersección; β 2a β k =¿ Coeficientes parciales de pendiente; i=¿ i - ésima
observación; n=¿tamaño de la población
En forma matricial:
[ ][ ][ ] [ ]
Y1 1 X 21 X 31 … X k1 β1 μ1
Y2 1 X 22 X 32 … X k2 β2 μ2
= + y= X β+ μn∗1 n∗k k∗1 n∗1
⋮ ⋮ ⋮ ⋮ ⋱ ⋮ ⋮ ⋮
Yn 1 X2n X3n … X kn β k μn
y= Xβ+ μ