Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Significacia Individual
Controlando por las demás
variables, no tiene efecto en
Inferencia Estadística en el MCRL
Inferencia Estadística en el MCRL
Hipótesis Nula:
Efecto
𝛽=0
Inferencia Estadística en el MCRL
𝛽=0 𝛽=𝑎
Inferencia Estadística en el MCRL
A*
𝛽=0 ^𝛽 𝛽=𝑎
Inferencia Estadística en el MCRL
𝛽=0 𝛽=𝑎
Inferencia Estadística en el MCRL
Hipótesis Alternativa:
Efecto
Hipótesis Nula:
Efecto Valor crítico
95%
𝛽=0 𝛽=𝑎
Inferencia Estadística en el MCRL
nivel de significancia
nivel de confianza
Inferencia Estadística en el MCRL
Prueba de dos colas
Interpretación de los IC
Intervalos de confianza
^
𝛽 𝑙𝑠𝑎𝑙𝑒𝑠 ± ( 𝜎
^ ^𝛽 ∙ 𝑐 𝛼 ,𝑔𝑙 )
Intervalos de confianza
^𝛽
𝑐𝑒𝑜𝑡𝑒𝑛 ± ( 𝜎 ^𝛽 ∙ 𝑐 𝛼 ,𝑔𝑙 )
^
Intervalos de confianza
^𝛽
𝑐𝑜𝑚𝑡𝑒𝑛 ± ( 𝜎 ^𝛽 ∙𝑐 𝛼 , 𝑔𝑙 )
^
Intervalos de confianza
^
𝛽 𝑚𝑘𝑡𝑣𝑎𝑙 ± ( 𝜎
^ ^𝛽 ∙ 𝑐 𝛼 ,𝑔𝑙 )
Significancia conjunta
Prueba F
Inferencia Estadística en el MCRL
Ejemplo: CEOSAL2.dta
SEC
SRC
• La prueba funciona igual que antes, excepto que el valor hipotético se resta
del coeficiente estimado.
• Para este tipo de hipótesis NO se pueden utilizar los resultados de la
regresión (t-estadístico, p-valor)
Inferencia Estadística en el MCRL
Ejemplo: Hipótesis general para un coeficiente poblacional
Calcula el t-estadístico
Calcula el t-crítico
Calcula el pvalor
En este caso la hipótesis se reescribe y el modelo se vuelve a plantear para estimar una regresión auxiliar:
… 𝛽 1 − 𝛽2 =𝜃 … 𝛽 1=𝜃+ 𝛽 2
𝑦 𝑖 = 𝛽0 + ( 𝜃+ 𝛽 2 ) 𝑥 1 𝑖 + 𝛽 2 𝑥 2𝑖 +𝑢 𝑖 𝑦 𝑖 = 𝛽0 + 𝜃 𝑥 1 𝑖 + 𝛽 2 𝑥 1𝑖 + 𝛽2 𝑥2 𝑖 +𝑢𝑖
Inferencia Estadística en el MCRL
Prueba de hipótesis para combinaciones lineales de coeficientes
𝑦 𝑖 = 𝛽0 + 𝜃 𝑥 1 𝑖 + 𝛽 2 ( 𝑥 1𝑖 + 𝑥 2 𝑖 ) +𝑢𝑖
𝐻 0 :𝜃=0
^
𝜃=0.02673
El t-estadístico y el pvalor
para el coeficiente estimado
nos llevan a RECHAZAR la H0
Mod. No Restringido
Mod. Restringido
( 𝑅2𝑁𝑅 − 𝑅2𝑅 ) /𝑞
𝐹=
( 1− 𝑅2𝑁𝑅 ) / ( 𝑛 − 𝑘 − 1 )
q es el número de restricciones lineales
Inferencia Estadística en el MCRL
Ejemplo: Los efectos parciales de ceoten y comten son cero
𝐻 0 : 𝛽 2= 𝛽3 =0
Inferencia Estadística en el MCRL
Ejemplo: Los efectos parciales de ceoten y comten son cero
( 45.585 − 42.2357 ) ∕ 2
𝐹= =6.8198
42.2357 /172
( 0.3467 − 0.2949 ) ∕ 2 Dado que tenemos F estadísticos menores que
𝐹= =6.8189 el F crítico NO RECHAZAMOS H0
( 1 −0. 3467 ) / 172
MCO Asintóticos
Muestra finita (pequeña) … Muestra que tiende a infinito (grande)
Teorema de Consistencia
Si se cumplen los supuestos de SRLM1
– SRLM4
𝑝𝑙𝑖𝑚 ^
𝛽𝑘 =𝛽 𝑘+ 𝐶𝑜𝑣 ( 𝑥 𝑘 , 𝑢 ) / 𝑉𝑎𝑟 ( 𝑥 𝑘 )
MCO Asintóticos
Consistencia
Teorema de Consistencia
Si se cumplen los supuestos de SRLM1
– SRLM4
𝑝𝑙𝑖𝑚 ^
𝛽𝑘 =𝛽 𝑘+ 𝐶𝑜𝑣 ( 𝑥 𝑘 , 𝑢 ) / 𝑉𝑎𝑟 ( 𝑥 𝑘 )
SRLM4*
MCO Asintóticos
Inconsistencia
En regresión simple:
𝑝𝑙𝑖𝑚 ^
𝛽1 − 𝛽 1=𝐶𝑜𝑣 ( 𝑥1 ,𝑢 ) / 𝑉𝑎𝑟 ( 𝑥1 )
MCO Asintóticos
Inconsistencia
Basta con que … si el error está correlacionado con cualquiera de las variables
independientes, entonces MCO es sesgado e inconsistente.
En regresión múltiple:
𝑦 =𝛽 0 + 𝛽 1 𝑥 1+ 𝛽2 𝑥 2 +𝑣
MCO Asintóticos
Inconsistencia
Basta con que … si el error está correlacionado con cualquiera de las variables
independientes, entonces MCO es sesgado e inconsistente.
En regresión múltiple:
𝑦 =𝛽 0 + 𝛽 1 𝑥 1+ 𝛽2 𝑥 2 +𝑣
𝑦 =𝛽 0 + 𝛽 1 𝑥 1+𝑢 𝑢= 𝛽 2 𝑥 2+ 𝑣
MCO Asintóticos
Inconsistencia
Basta con que … si el error está correlacionado con cualquiera de las variables
independientes, entonces MCO es sesgado e inconsistente.
En regresión múltiple:
𝑦 =𝛽 0 + 𝛽 1 𝑥 1+ 𝛽2 𝑥 2 +𝑣
𝑦 =𝛽 0 + 𝛽 1 𝑥 1+𝑢 𝑢= 𝛽 2 𝑥 2+ 𝑣
~
𝑝𝑙𝑖𝑚 𝛽1= 𝛽1 +𝐶𝑜𝑣 ( 𝑥 1 ,𝑢 ) / 𝑉𝑎𝑟 ( 𝑥1 )
~
𝑝𝑙𝑖𝑚 𝛽1= 𝛽1 + 𝛽 2 𝐶𝑜𝑣 ( 𝑥 1 , 𝑥2 ) /𝑉𝑎𝑟 ( 𝑥 1 )
MCO Asintóticos
Inconsistencia
Basta con que … si el error está correlacionado con cualquiera de las variables
independientes, entonces MCO es sesgado e inconsistente.
En regresión múltiple:
𝑦 =𝛽 0 + 𝛽 1 𝑥 1+ 𝛽2 𝑥 2 +𝑣
𝑦 =𝛽 0 + 𝛽 1 𝑥 1+𝑢 𝑢= 𝛽 2 𝑥 2+ 𝑣
~
𝑝𝑙𝑖𝑚 𝛽1= 𝛽1 +𝐶𝑜𝑣 ( 𝑥 1 ,𝑢 ) / 𝑉𝑎𝑟 ( 𝑥1 )
~
𝑝𝑙𝑖𝑚 𝛽1= 𝛽1 + 𝛽 2 𝐶𝑜𝑣 ( 𝑥 1 , 𝑥2 ) /𝑉𝑎𝑟 ( 𝑥 1 )
~
𝑝𝑙𝑖𝑚 𝛽1= 𝛽1 + 𝛽 2 𝛿1 𝛿1 =𝐶𝑜𝑣 ( 𝑥 1 , 𝑥 2 ) /𝑉𝑎𝑟 ( 𝑥 1 )
MCO Asintóticos
• En la práctica el supuesto de normalidad SRLM6 es bastante cuestionable
• Aún sin la normalidad de los errores, los resultados de las prueba t y F no son
concluyentes
MCO Asintóticos
• En la práctica el supuesto de normalidad SRLM6 es bastante cuestionable
• Aún sin la normalidad de los errores, los resultados de las prueba t y F no son
concluyentes
Normalidad Asintótica
Normalidad Asintótica
Es una test que se usa para probar hipótesis de restricciones de exclusión, bajo
condiciones asintóticas.
𝑦 =𝛽 0 + 𝛽 1 𝑥 1+…+ 𝛽 𝑘 𝑥 𝑘+𝑢
𝐻 0 : 𝛽 𝑘 −𝑞+1 =0 …= 𝛽𝑘=0