2.

3 Regresión Lineal:
Inferencia
Augusto Orellana
1 sem 2019
 Inferencia:
• “Capacidad de determinar propiedades de la
población a través de una muestra”

• Ejemplo: Estimadores de Función Cobb-

Douglas
– Rendimientos crecientes?
– Constantes?
 Inferencia:
• Ejemplo: Estimadores de Función Cobb-
Douglas
 Inferencia:
• Dos consideraciones:
1. Normalidad de los errores

2
u ~ N (0,  )
– Esto implica que:

y | X ~ N (  0  1 x1   2 x2   3 x3   4 x4  ...   5 x5 ,  2 )

– Si tengo muestras grandes, eso se complicará con mucha seguridad

 Inferencia:
• Dos consideraciones:
- Lo anterior tbm implica que:

ˆ ~ N (  , var(ˆ ))

- Estandarizando
ˆ   ˆ  
~ N (0,1)  ~ N (0,1)
var(ˆ )  ˆ
u ~ N (0,  2 )

(GP 2010)
 Inferencia:
• Supongamos que tuviese el siguiente modelo:
yi   0  1 xi1   2 xi 2   3 xi 3   4 xi 4  ui

- El test de hipótesis sobre el estimador 2:

ˆ2   2
~ t n  k 1
ˆ ˆ
2
 Inferencia:
• Notar:
ˆ  
~ N (0,1)
 ˆ

vs

ˆ  
~ t n  k 1
ˆ ˆ
 Inferencia:
• Dos consideraciones:
2. Hipótesis lineales
H0 :  j  0

¿Cuáles son los 2 supuestos que estoy haciendo

2. Test de Hipótesis Simple
Unilateral o de una cola:
H0 :  j  0
H1 :  j  0

(W 2003, gl=28)

https://www.slideshare.net/baalkara/tabla-t-st
udent-12054690
2. Test de Hipótesis Simple
Unilateral o de una cola:
H0 :  j  0
H1 :  j  0

(W 2003, gl=18)
2. Test de Hipótesis Simple
Bilateral o de dos colas:
H0 :  j  0
H1 :  j  0

(W 2003, gl=25)
Ejemplo
¿Qué pasa si ahora quremos ver?
• H 0 :  cfv  0.2
• H A :  cfv  0.2

• Tendriamos que recalcular el valor t

• Encontrar su valor en la tabla
• En stata
2. Test de Hipótesis Simple
Otros conceptos importantes
• Error tipo I vs Error tipo II
• Significancia α, confianza 1- α
3. Test de Hipótesis Múltiple
• Supongamos que tenemos el sig modelo

• Queremos testear:
3. Test de Hipótesis Múltiple
• Usamos un Test F
3. Test de Hipótesis Múltiple
• Estimamos por MCO el modelo no restrigido:
Beta sd n 353
cte 11.19 0.29 SCR 183.186
x_1 0.689 0.0121 R2 0.6278
x_2 0.0126 0.0026
x_3 0.00098 0.0011
x_4 0.0144 0.0161
x_5 0.0108 0.0092

• Estimamos por MCO el modelo restringido:

Beta sd n 353
cte 11.22 0.11 SCR 198.311
x_1 0.0713 0.0125 R2 0.5971
x_2 0.0202 0.0013
3. Test de Hipótesis Múltiple
Test F:

(W 2003), gln=3, gld=60

3. Test de Hipótesis Múltiple
3. Test de Hipótesis Múltiple
4. Test de Chow
• Test para Cambio Estructural
4. Test de Chow
4. Test de Chow
4. Test de Chow
4. Test de Chow
Test de Hipótesis
• Test de Hipótesis Simple
1. Test t
2. Intervalo de Confianza
3. Valor p
• Test de Hipótesis Múltiple (F)
1. Test de significancia conjunta
2. Test de Chow