ECONOMETRIA

MODULO 3
ANALISIS DE REGRESIÓN
POBLACION vs MUESTRA

Prof. María del Mar Ballesteros PhD

ESPECIFICACIÓN ESTOCASTICA

Especificación Estocástica de la FRP

Según el ejemplo, a medida que aumenta el ingreso familiar, el gasto

de consumo familiar promedio también aumenta, sin embargo el
gasto de una familia individual no necesariamente aumenta con el
ingreso.

Dado un nivel de ingreso Xi, el gasto de consumo de una familia

individual se agrupa alrededor del consumo promedio de todas las
familias del mismo nivel de ingreso (Xi) => es decir, alrededor de su
esperanza condicional.

μi = Yi – E(Y/Xi) => Yi = E(Y/Xi) + μi

Prof. M Ballesteros 2
ESPECIFICACIÓN ESTOCASTICA

Yi se compone de 2 partes:

•Componente sistemático o determinístico =

E(Y/Xi)
•Componente aleatorio o no sistemático =
μi

Este componente sustituye a

• todas las variables omitidas o ignoradas que puedan afectar a Y
• todas las variables desconocidas que no están en el modelo

Prof. M Ballesteros 3
ESPECIFICACIÓN ESTOCASTICA

El supuesto de que las líneas de regresión pasan a través de las

medias condicionales de Y implica que los valores de la media
condicional μi (condicionadas al valor dado de Xi) son cero.

Yi = β1 + β2 Xi + μi

=> La ventaja de este modelo es que muestra claramente otras

variables además del ingreso que afectan el gasto de consumo y que
el gasto de consumo de las familias individuales no puede ser
explicado en su totalidad solamente por las variables incluidas en el
modelo de regresión.

Prof. M Ballesteros 4
FRM vs FRM

Función de regresión poblacional

La media condicional E(Y/Xi) es función de Xi => E(Y/Xi) = f(Xi) = Función de
regresión poblacional (FRP) en dos variables
=> Nos dice como varia la media o respuesta promedio de Y con X.

Se puede suponer que existe una relación lineal entre Y y X (Ejemplo,

Consumo e Ingreso) => Nuestra hipótesis supone que la FRP es del tipo:

E(Y/Xi) = β1 + β2 Xi => FRP

Donde β1 y β2 son los parámetros no conocidos pero fijos que se

denominan Coeficientes de regresión. Uno es el Intercepto y el otro la
pendiente.

Prof. M Ballesteros 5
FRM vs FRM

Función de regresión muestral (FRM)

En la práctica lo que se tiene más alcance no son lo valores

poblacionales, sino muestrales
son una muestra de valores de Y que corresponden a algunos
valores fijos de X.

Se debe estimar la FRP con base a la información muestral.

Prof. M Ballesteros 6
FRM vs FRM

Prof. M Ballesteros 7
FRM vs FRM

Graficando las FRM 1 y 2, no se sabe cual puede representar

correctamente la FRP.

Las líneas de regresión graficadas se conocen como líneas de

regresión muestral.
Estas representan la FRP, pero debido a las fluctuaciones muestrales
pueden ser consideradas como una aproximación de la verdadera
función de regresión.

“Se tendrían N FRM diferentes para N muestras diferentes”.

Prof. M Ballesteros 8
PROBLEMAS DE PRECISIÓN DE DATOS

1. La calidad de la información disponible no siempre es

buena
2. Información no experimental => errores de observación
3. Errores de medición, debido a aproximación o redondeo
4. Sesgo de selectividad (muestral) => cuando en las encuestas
se omiten algunas respuestas
5. Los métodos de muestreo pueden variar
6. Alguna información esta disponible a nivel altamente
agregado (PIB, empleo, inflación, etc.)
7. La información puede ser confidencial y de difícil acceso

Prof. M Ballesteros 9
ANALISIS DE REGRESIÓN CON DOS VARIABLES

POBLACIÓN

Población = Conjunto de todos los resultados posibles de

una medición.

El análisis de regresión está condicionado por la la estimación o

predicción de la media (de la población) o valor promedio de la
variable dependiente, con base en valores conocidos o fijos de
las variables explicativas o independientes

Prof. M Ballesteros 10
ANALISIS DE REGRESIÓN CON DOS VARIABLES

Ejemplo
Un país compuesto por 60 familias
10 Grupos clasificados por nivel de Ingreso Semanal
Se asume relación Ingreso Semanal vs Consumo Semanal
Objetivo: Predecir el Consumo Promedio Semanal conociendo el Ingreso
Semanal por familia.

Prof. M Ballesteros 11
ANALISIS DE REGRESIÓN CON DOS VARIABLES

Prof. M Ballesteros 12
ANALISIS DE REGRESIÓN CON DOS VARIABLES
Para cada una de las distribuciones de probabilidad condicional de Y se calcula
su media o valor promedio, conocido como media condicional o esperanza
condicional = E (Y/X=Xi)
Valor esperado de Y, cuando X adquiere el valor especifico de Xi => E (Y/Xi).

Prof. M Ballesteros 13