Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECONOMETRIA
2. MODELO LINEAL SIMPLE
01/10/20 Econometria I 1
MODELO LINEAL SIMPLE
2.1. INTRODUCCIÓN
2.2. HIPOTESIS DEL MODELO
2.3. METODO DE MINIMOS CUADRADOS
ORDINARIOS.
2.4. PROPIEDADES DE LOS ESTIMADORES
MINIMO CUADRATICOS.
2.5 PRUEBAS DE HIPÓTESIS
2.6 ESTIMACION POR INTERVALOS
2.7 ANALISIS DE CORRELACION
2.8 ANALISIS DE LA VARIANZA
2.9 APLICACIONES
01/10/20 Econometria I 2
MODELO LINEAL SIMPLE
Y fX
Yi Xi Ui
01/10/20 Econometria I 3
Y fX Cómo estimar el Modelo?
Y Xi Ui
Método: Mínimos Cuadrados
yi Variable Endogena
ˆ
yi ˆ xi ei xi Variable Predeterminada
e y - ŷ Resíduo
i i i
E Ui 0
Ui Yi Xi
E Ui E Yi Xi E Ui E Yi E Xi
E Ui E Yi E Yi E Ui 0
01/10/20 Econometria I 5
L.R.P
En el caso de “n”observaciones Yi Xi
Yi Xi
P(ui) Ui
Y1 X1 U1 Y1 X 1
Y2 X2 U 2 Y2 X 2
Y3 X3 U 3 Y3 X 3 E Ui 0 Xi
.... ..... POBLACIONAL
Xn U n Yn X n
L.R.M
Yn Yi ˆ ˆXi
ei
L.R.P.- Línea de Regresión Poblacional
P(ui)
Homos = Igual
Cedasticidad = Dispersión
Xi
X1 X2 X3
Bajos Medio Altos
1000 2000 3000
01/10/20 Econometria I 7
SUPUESTO 4.- Covarianza de Ui, cero.
(No Autocorrelacción).
E Ui, Uj 0 i j
01/10/20 Econometria I 8
Autocorrelación y No Autocorrelación Ui=f(Uj) ?
ui
ui
uj ui uj
uj
Autocorrelación Autocorrelación
Positiva Negativa
No autocorrelación
01/10/20 Econometria I 9
SUPUESTO 5.- Exogeneidad.
E Xi , Ui 0
Yi Xi Ui
01/10/20 Econometria I 10
PROBLEMAS ECONOMETRICOS.
Aparecen, cuando no se cumplen las hipótesis o postulados.
1° Error de Especificación del Modelo.
2° Si Yi fuera una variable dicotómica, para una muestra
pequeña asumiría una distribución binomial ( Normalidad)
Yi Xi Si Yi = 1; Yi = 0
Y1 X1 U1 1 X 1 (distribución binomial),
Y2 X2 2 U 0 X
2 no se cumple el supuesto
E Ui 0
Y3 X3U 1 X
3 3
.... .....
Yn Xn
01/10/20 Econometria I 11
3° Heteroscedasticidad, o dispersión desigual, o varianza
distinta del término estocástico. 2 2
ui uj
u2 u2 u2
i j k
Yi Yi
P(ui) P(ui)
X1 X2 X3 Xi X1 X2 X3 Xi
Bajos Medio Altos Horas de Práctica
1000 2000 3000 10 20 30
Yi Errores
01/10/20 Econometria I 12
4° Autocorrelación
Que las decisiones de consumo de las familias con
ingresos bajos afectan a las decisiones de consumo de
las familias de los ingresos altos.
5° El problema de exogeneidad
E Ui, Xi 0
Yi
Xi Ui
Variable Variable
Endogena Predeterminada
Yi Xi Ui
ei Yi ˆ ˆX i i 1, n ei2
2 X i Yi ˆ ˆX i 0
ˆ
01/10/20 Econometria I 14
Ecuaciones mínimo cuadráticas
1 Yi nˆ X i
ˆ
2
i iY X ˆ i i
X ˆ
X 2
ˆ
Yi Xi 2
YiXi Xi
Xi n Xi Xi
2
n 2
Xi Xi 2
Estimador Minimo Cuadratico de
n Yi
ˆ
Xi XiYi ˆ
n YiXi Xi Yi
Yi n Xi 2 Xi
2
n
Xi Xi 2
Estimador Mínimo Cuadratico de
01/10/20 Econometria I 15
Con desviaciones.
Gráficamente se expresa
yi Yi Y
Yi Xi yi LRM
xi Xi X
xi
yi
Y
Yi ; X
Xi xi
n n Y Yi
Analíticamente
1 Yi nˆ ˆ Xi Dividiendo (1)/nX
0
Xi
Yi
nˆ
ˆ Xi
n n n
ˆ ˆX
Y
01/10/20 Econometria I 16
El Modelo Estimado con Desvíos se obtiene:
Yˆi ˆ ˆX i
ˆ ˆX
Y
Yˆ Y ˆ X
i X
i
ˆi
y xi
ˆ i ˆxi
y Modelo Estimado con Desvíos
Yi X i U i
Y X U
Y Y X
i X U U
i
i
yi xi ui
xi
e
2 x y ˆx
2
i
ˆ
i i i
Para ˆ , despejar de Y.
ˆ Y ˆX
i i
x y ˆ
i
x 2
ˆ
x y i i
Estimador Mínimo
Cuadratico de con desvíos
01/10/20
x 2
i
Econometria I 18
PROPIEDADES DE LOS ESTIMADORES
MINIMO CUADRATICOS.
1. LINEALIDAD
Linealidad del Estimador Beta.
Es constante
wi 0
yx xi
i i
A partir de ˆ w 2 wi xi 1
x
2 i
i xi
w2 1
i
xi2
01/10/20 Econometria I 19
ˆ y w i i yi Yi Y
ˆ Yi Y w i
ˆ Yiw Y w i i pero w 0
i
ˆ Yiw i desarrollamos
ˆ Y1w1 Y2 w2 Y3 w3 ........ Yn wn
ˆ
Yi y x
*X
i i
wi
xi
n x 2
i xi2
ˆ
Yi
Xy w i i
r
v yi Yi Y
n
ˆ
Yi
X Yiw i Factorizar Yi
n
Es Constante
1 1
ˆ Yi Xwi
n
Ti Xwi Ti 1
n
TiXi O
x 2
i
* ˆ y w i i Yi Xi Ui r
v
ˆ Xi Ui w i
ˆ w Xiw Uiw
0 1
i i i
E ˆ E Uiw i
E ˆ ˆ es un estimador insesgado de
01/10/20 Econometria I 22
Insesgabilidad del Estimador Alfa
ˆ Y ˆX
*ˆ YiTi Pero Yi Xi Ui
ˆ Xi Ui Ti
ˆ Ti XiTi UiTi
1 0
E ˆ E Ti E Ui
0
01/10/20 Econometria I 23
3 CONSISTENCIA
Se dice que un estimador es consistente, cuando a
medida que se aumenta el tamaño de la muestra, el valor
del estimador tiende al valor del parámetro.
Prn N ˆ 1 Prn N ˆ 1
4. EFICIENCIA
ˆ
yxi i
x 2
i
01/10/20 Econometria I 24
ˆ wiUi
ˆ wi u i Aplicar E y elevar al cuadrado
ˆ
E E wiUi
2
Desarrollar
E w1U1 w2U 2 ..... wnU n Resolver Polinomios Cuadrados
2 2
ˆ
w E U 2 wi w j E U iU j Por Hipótesis
2
2 2 2 u 0
ˆ i i
i j
u2
2ˆ Varianza del Estimador ˆ
xi2
01/10/20 Econometria I 25
Suponemos Otro Estimador Beta
ˆ
ˆ
y x i
Pero c
i
w di
x 2 i i
i Conocido
w d 0 i i
c 0
ˆ
c U
i
ˆ
c X 1
i i
i i
d X 0 i i
ˆ
ˆ c U i i
E c U
2
ˆ
ˆ 2
E i i
E c U 2 c c U U
2
ˆ
ˆ
2
i i
2
i j i j
2 u
2
2
ˆ ci2 E Ui 2 ci c j E U iU J 0
ˆ
i j
2
ˆ
ˆ
u2 w i di 2
1
2
ˆ
ˆ
u2
x 2
i
u2
d i
2
k
2
ˆ
01/10/20 Econometria I 26
ˆ ˆˆ
2ˆˆ 2ˆ K es mas eficiente que
01/10/20 Econometria I 27
VARIANZA DEL TERMINO ESTOCASTICO
Yi Xi Ui
Y i X Ui
u u i u
yi xi u
ˆ
y ˆx
i
01/10/20 Econometria I 28
Residuos - - ei yi yˆ
e x u ˆx
i i i
ei ˆ xi U i U Aplicar y al cuadrado
e ˆ
2
i x U U 2ˆ x U U Aplicar E
2
2
i i
2
i i
E ei2 xi2 E ˆ E U i2 nU 2 2U U i 2 E wi U i xiU i U xi
2
u2 nU
xi
xi
2
nU xi
2
E ei2 u2 E U i2
nU 2 E
xi
x 2
Ui xiU i
i
01/10/20 Econometria I 29
E e
2
i
2
u E
U i2 nU 2 E
x
xi
2
Ui * xiU i
i
ei2 u2 E
U i
2
x U 2
U i n 2E
2 i i
E
n
x 2
i
E 2 2 2 1
2 2
2
ei u nE U i E U 1 U 2 ... U n 2 E
xiU i
2
u2
n
U i2 2U iU j
x 2
i
xi2ui2 2 xi x jU iU j
xi
2
01/10/20 Econometria I 30
E
ei2 u2 n u2
1
1
nE U i2 2 nE U iU j 2 xi2 E U i2
2 x x E U U
x 2 i j i j
n n i
0
E e
2
i
2
u n u2 u2 2 u2
E e
2
i
2
u n 2
u2 i
e 2
01/10/20 Econometria I 31
EFICIENCIA DE LOS ESTIMADORES. De otra manera:
Yi Xi
n1 Yˆ1 ˆ1 ˆ1 X 1 2ˆ
1
2 2
ˆ1 : : ˆ 2
n2 ˆ ˆ 2
Y2 2 2 X 2 ˆ
ˆ
2
1). Si 2
2
ˆ es mas eficiente que ˆ
ˆ
1 ˆ
2 1 2
2). Si 2
2
ˆ es mas eficiente que ˆ
ˆ 2 ˆ1 2 1
2ˆ1
u2 X i2
2ˆ2
u2 X i2
n x 2
i n x 2
i
01/10/20 Econometria I 32
Cuál gráfico es incorrecto?
L.R.P L.R.M
Yi Xi Ui yi yˆ ˆ ˆxi
P(ui)
Xi xi
L.R.P L.R.M
Yi Xi Ui Yi yˆ ˆ ˆxi
P(ui) P(ui)
Xi Xi
01/10/20 Econometria I 33
ESTIMACIÓN POR INTERVALOS
Estimación por Intervalos de Beta
Pr ˆ t ˆ ˆ t ˆ 1
2 2 Probabilidad
Limite Inferior Limite Superior
Suponemos que: ˆ es N , ˆ
1 Nivel de Confianza 95% 1 0.95
0.05
0.025
2
t
Pr t t t 1
t t t 2 2
2 2
01/10/20 Econometria I 34
Distribución t Estimación por intervalos
Pruebas de Hipótesis
r/v de t
ˆ
t t ˆ ˆ 1
ˆ Pr t t
2 ˆ 2
Resolver Inecuaciones
ˆ ˆ
t t
2 ˆ ˆ 2
t ˆ ˆ ˆ t ˆ
2 2
ˆ t ˆ ˆ t ˆ
2 2
Limite Superior Limite Inferior
01/10/20 Econometria I 35
Estimación por Intervalos de Alfa
Xi X
z
Si
Pr ˆ t ˆ ˆ t ˆ 1
2 2 t X X
x
Limites de Confianza 95%
ˆ t ˆ
2
ˆ t ˆ
2 ˆ t ˆ ˆ t ˆ
Ejemplo: 2 2
0.30 0.75
Y Consumo
Y X i U i Pr 0.50 0.75
X Ingreso
01/10/20 Econometria I 36
PRUEBA DE HIPOTESIS NULA
MLS Y X i U i
Ho : 0 "
Relación entre Yi y X i "
H1 : 0 " Relación entre Yi y X i "
Muestra n X i Yi
Supongamos que ˆ es N , ˆ
Calcular t: v,
ˆ ˆ Valor Critico t % t
0
2
t ˆ Nivel de Significación 0.05
ˆ ˆ
Grados de Libertad v n 2
01/10/20 Econometria I 37
Contrastar t % : : t Región Critica o 1 Región Critica o
Zona de Rechazo Zona de Rechazo
Si t t % Rechazar H o
2 2
Caso Contrario No Rechazar H o
-t% t%
Si rechazamos H o relación lineal entre X i y Yi
ˆ es estadísticamente significativo al 0.05 5%
01/10/20 Econometria I 38
Ho : 0
Para el Estimador Alfa
Hi : 0
Ingresar al Programa SPSS
Abrir Employee Data
Para el Modelo:
Yi X i U i
a) Estimar Por Intervalos
b) Probar hipótesis
Para realizar la aplicación del modelo en el programa,
ingresar a Statistics, luego a Regresión y a su vez ingresar a
Linear y abrir una ventana para recolección de datos de Y(
V. dependiente) “salary” y X(V. Independiente) “EducationalLevel (Years)”.
01/10/20 Econometria I 39
Current Salary
Educational Level
(years)
Model Summary
Coefficientsa
Standardi
zed
Unstandardized Coefficien
Coefficients ts 95% Confidence Interval for B
Model B Std. Error Beta t Sig. Lower Bound Upper Bound
1 (Constant) -18331,2 2821,912 -6,496 2,096 -23876,242 -12786,114
Educational Level (years) 3909,907 204,547 ,661 19,115 1.362 3507,971 4311,842
a. Dependent Variable: Current Salary
01/10/20 Econometria I 40
ANALISIS DE CORRELACIÓN EN EL MLS
Correlación Simple.
Análisis de
Correlación Coeficiente de Determinación.
Correlación Simple.- Mide la asociación lineal entre dos
variables.
Yi yi
I . y i x i 0 y i x i 0
xi
II . yi xi 0
yi
xi III . yi xi 0 yi xi 0
IV . yi xi 0
Xi y x i i 0
01/10/20 Econometria I 41
y x i i 0 Asociación lineal Positiva entre yi xi .
r
yi xi
n
nS x S y
S
iy 2
y
n
r S ,S
v y x
r
yi xi
n
n
n
n x 2
i y 2
i
n n n 2
n
n n
r
yi xi
i i
x 2
y 2
01/10/20 Econometria I 43
Y Y Y
r = +1 r = -1 r = cercano +1
X X X
Y Y Y
r = cercano -1 r = positivo pero
cercano a Cero.
X X X
Y Y
r=0 Y=X²
pero r = 0
X X
01/10/20 Econometria I 44
Relación del Estimador ß con el coeficiente r
ˆ
yi xi
yi xi i
y 2
x 2
i i
x 2
i
x 2
i
y 2
y 2
i
ˆ r n r Sy
i
x 2 Sx
n
ˆ Sy ˆ Sx
r Despejar r
Sx Sy
01/10/20 Econometria I 45
Coeficiente de Determinación
R2 1
i
e 2
yi xi ui Lineal
i
y 2
01/10/20 Econometria I 46
En que grado explica la variable “x” a la variable “y”
Escala:
0 1 R2
R 2 *100
0 100%
Inexplicado por xi
01/10/20 Econometria I 47
Demostración:
Resíduos ei yi yˆ i
2
Aplicar de Cuadrados e yi yˆ i
2
i
despejar
yi ei yˆ i
i ei yˆi
2 2
y
y e yi 2 yi ei
2 2 2 0
i
ˆ i
ˆ
i i i
y 2
ˆ
y 2
e 2
i
y 2
i
y 2
i
ˆ
y 2
y 2
i y 2
i i
y 2
ˆ 2 i
2
x
i
ˆ
y 2
ˆ 2 x2
i
S 2
n ˆ 2 x r 2
yi y i
2 2
i
y 2
S y2
n
Se define R 2 como :
i
e 2
ˆ
y y 2
ˆ
y 2
SCE
R 1
2
R2 R 2
i
y 2
y y 2
y 2
STC
En forma alterna definimos a r 2
1 R 2 i
e 2
R 1
SCNE 2
yi
2
STC
01/10/20 Econometria I 49
Y yi eˆi Debido al Residuo
Yi Y Yˆi
Total
Y Yˆ Y
i
Debido a la Regresión
X X
Componentes de
la variación de Yi
01/10/20 Econometria I 50
ANALISIS DE VARIANZA.
“ANOVA”
y yˆ e xi ei
2
i
2
i
ˆ 2 2 2
i
2
01/10/20 Econometria I 51
Tabla ANOVA para el modelo de regresión en el
cual se representan la suma de cuadrados.
Fuente de Suma de Grados de Media de
variación Cuadrados Libertad Cuadrados
Debido a xi yˆ i2 ˆ 2 xi2 1 ˆ 2 xi2
eˆ 2
e 2
i 2
Residuos i
n-2 n2
ˆ
Total y 2
i n-1
Prueba F, representa la distribución que genera las
condiciones de aceptación lineal.
F
yˆ i2
Donde la hipotesis es H o : 2 3 ..... k
e 2
i Prueba de Hipotesis Conjunta
n 2
01/10/20 Econometria I 52
Solo en el Modelo Lineal Simple
2 ˆ 0
t
ˆ
2
t 2
ˆ 2
2
F t
ˆ x 2
i
F
yˆ i2
ˆ 2
ei e2
i
ˆ 2
n 2 n 2
2
t 2
u
2
xi
Buscar el F% Crítico en la tabla F:
Nivel de Significación 1 gl num y n-2 gl den
01/10/20 Econometria I 53
v Numero P(F) F % :: F
Variable 1
d
e
n
o
m
13 F% 0 F% F
F
Decisión:
Si F > F% rechazar relación lineal “conjunta” de xs
respecto a y.
Ingresar al SPSS y Abrir Employee Data (realizar
procedimiento anterior).
01/10/20 Econometria I 54
Yi : Salario Corriente
MLS Yi X i ui
X i : Nivel de Educación
Estimar el Modelo:
1) Analisis de 2) Analisis de 3) Analisis de
Regresión Correlación Varianza
̂ y Por Intervalos r Lineal Suma de
Cuadrados
ˆ
R 2 Lin eal Prueba F lineal
ˆ ˆ
, ˆ ˆ
ˆ u
Prueba t lineal
Model Summary
01/10/20 Econometria I 56
A). Graficar Nube de Puntos B). Estimar el modelo con
Desvíos.
Y
300
250
media deY 111
200 170
media deX
150
100
con desvios
50
beta 0,509091
0
alfa 24,45455
0 50 100 150 200
X
aux. 86,54545
Varianzas 5
beta 0,001277652 0
alfa 41,14037879 e i-1 -15 -10 -5 0 5 10
-5
errores 42,1625
-10
aux. 1 181,659
F).Prueba de Hipótesis Nula aux. 2 94,2868
(Prueba t) aux.1-2 17128,05
desviacion tipica H).Estimar el coeficiente de
beta 0,0357443 Determinación.
alfa 6,4140766
coeficiente de determinacion 0,9620585
aux...beta 0,082426244
aux...alfa 14,79086067 aux 0,037942
01/10/20 Econometria I 58
J).Realizar Análisis de Varianza.
analisis de varianza 203,57664
aux. 42,1625
Resumen
Estadísticas de la regresión
Coeficiente de correlación múltiple 0,493721815
Coeficiente de determinación R^2 0,243761231
R^2 ajustado 0,118761231
Error típico 5,418770236
Observaciones 9
ANÁLISIS DE VARIANZA
Grados de libertad Suma de cuadrados Promedio de los cuadrados F Valor crítico de F
Regresión 1 75,71765527 75,71765527 2,5786695 0,152347772
Residuos 8 234,904567 29,36307087
Total 9 310,6222222
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95%Superior 95%
Intercepción 0
Variable X 1 -0,520176741 0,318371354 -1,633867915 0,14092801 -1,254342875 0,213989394 -1,2543429 0,21398939
01/10/20 Econometria I 59
K).Graficar La Nube de Puntos de Yˆ
60
45,9
40
35,7
25,5
20
15,3
5,1
0
-5,1
0 2 4 6 8 10 12
-15,3
-20
-25,5
-35,7
-40
-45,9
-60
01/10/20 Econometria I 60
UNIVERSIDAD MAYOR DE SAN SIMON
FACULTAD DE CIENCIAS ECONOMICAS
CARRERA INGENIERIA FINANCIERA
ECONOMETRIA
3. OTROS ASPECTOS DEL
MODELO LINEAL SIMPLE
Hernán Delgadillo Dorado
Dennis Andrew
Rossel Aquino
01/10/20 Econometria I 61
OTROS ASPECTOS DEL MODELO LINEAL
SIMPLE.
1). Regresión a través del origen.
Yi X i ui Yˆi ˆX i ei Yi Yˆi
Aplicación teoría del Portafolio
2). Escalas y Medidas de Medición.
Yi : Salario ($us / Año) 5700
Yi X i U i
X i : Educación (Años).
En SPSS Correr la Regresión
01/10/20 Econometria I 62
Ejemplo.- Forma de medición
Salario Actual Salario
57000 57
40000 40
32000 32
Procedimiento: transform/compute para cambios en el
Salario y volverlo el Salario/1000.
Yi X i ui
Yˆ ˆ ˆX
i i
Yˆ 18,33 3,91X
i i
01/10/20 Econometria I 63
3). El tiempo como regresor.
Yi t ut t No es variable
económica
Aplicación: La tasa de crecimiento representa
lo que es la forma de medida tendencial.
yi tiempo t t
y1 1986 -5 -3
y2 1987 -4 -2
y3 1988 -1 -1
1 0
3 1
5 2
01/10/20 2005 3 I 1
Econometria 64