UNSCH

CAPITULO 4
MODELO LINEAL GENERAL

Econ. Juan A. Huaripuma Vargas

06 de enero de 2013
CONTENIDO

 Especificación del modelo econométrico

 Estimación del modelo econométrico
 Inferencia estadística
 Predicción
 ESPECIFICACION DEL MODELO ECONOMÉTRICO
Modelo econométrico …

A partir de un modelo económico en razón a los hechos se tiene:

𝑌 𝑖= 𝛽1 +𝛽 2 𝑋 2 𝑖 +𝛽 3 𝑋 3 𝑖 +𝛽 4 𝑋 4 𝑖 +...+𝛽 𝑘 𝑋 𝑘𝑖 +𝜇 𝑖
,
𝜇𝑖 Es una variable aleatoria (estocástica) con las siguientes propiedades:

𝐸 (𝜇 𝑖 )=0 Media

𝐸[𝜇 𝑖 − 𝐸(𝜇 𝑖 )][𝜇 𝑗 − 𝐸 (𝜇 𝑗 )]=0 𝐸(𝜇 𝑖 𝜇 𝑗 )=0 Covarianza

𝐸 ¿ 𝐸(𝜇 2𝑖 )=𝜎 2𝜇 Varianza

𝑋 2𝑖 , 𝑋 3 𝑖 , 𝑋 4 𝑖 , ... , 𝑋 𝑘𝑖 Son fijas !!

INFERENCIA ESTADÍSTICA
Supuestos del modelo clásico de regresión lineal normal (MCRLN)…

𝑌 𝑖= 𝛽1 +𝛽 2 𝑋 2 𝑖 +𝛽 3 𝑋 3 𝑖 +𝛽 4 𝑋 4 𝑖 +...+𝛽 𝑘 𝑋 𝑘𝑖 +𝜇 𝑖

𝐸(𝑌 𝑖 )= 𝛽1 +𝛽 2 𝑋 2 𝑖 +𝛽 3 𝑋 3 𝑖 +𝛽 4 𝑋 4 𝑖 +...+𝛽 𝑘 𝑋 𝑘𝑖 +𝜇 𝑖 Media

𝐸 ¿ Varianza

𝐸[𝑌 𝑖 − 𝐸(𝑌 𝑖 )][𝑌 𝑗 − 𝐸 (𝑌 𝑗 )]=[𝜇 𝑖 𝜇 𝑗 ]=0 Covarianza

𝑌 𝑖 𝑁𝐼𝐷 ( 𝛽1 +𝛽 2 𝑋 2 𝑖 +𝛽 3 𝑋 3𝑖 +...+ 𝛽𝑘 𝑋 𝑘 , 𝜎 2𝜇 ) Distribución normal

INFERENCIA ESTADÍSTICA
Supuestos del modelo clásico de regresión lineal normal (MCRLN)…

𝑌 = 𝑋𝐵+𝑈

𝐸 (𝑈 )= 0̄ Media

2
𝐸[𝑈𝑈 ′ ]=𝜎 𝐼 𝜇 𝑛
Varianza - Covarianza

𝑈 𝑁𝐼𝐷(0̄ ,𝜎 2𝜇 𝐼 𝑛) Distribución normal

Toda variable que es función lineal de una variable aleatoria es también es una
variable aleatoria.
INFERENCIA ESTADÍSTICA
Supuestos del modelo clásico de regresión lineal normal (MCRLN)…

𝑌 = 𝑋𝐵+𝑈

𝐸(𝑌 )= 𝑋𝐵 Media

𝐸[𝑌 − 𝐸(𝑌 )][𝑌 − 𝐸 (𝑌 )]′=𝐸 [𝑈𝑈 ′ ]=𝜎 2𝜇 Varianza

𝐼𝑛 - Covarianza

𝑌 𝑖 𝑁𝐼𝐷 ( 𝑋𝐵, 𝜎 2𝜇 𝐼 𝑛 ) Distribución normal

INFERENCIA ESTADÍSTICA
Supuestos del modelo clásico de regresión lineal normal (MCRLN)…

^
𝐵= 𝐷𝑌

^ 𝐵
𝐸( 𝐵)= Media

𝐸[ ^
𝐵 − 𝐵][ ^
𝐵 − 𝐵] ′ =¿ Varianza - Covarianza

^
𝐵 𝑁𝐷 ¿ Distribución normal
INFERENCIA ESTADISTICA
Estimadores bajo el supuesto de normalidad …

De acuerdo con la distribución normal:

^
𝛽1 − 𝛽 1 ^
𝛽2 − 𝛽2
𝑍1= 𝑍2=
√¿ ¿ ¿ √¿ ¿ ¿
^
𝛽3 − 𝛽3 ^
𝛽𝑘 − 𝛽𝑘
𝑍3= 𝑍𝑘=
...... .

√¿ ¿ ¿ √¿ ¿ ¿
Además,

𝜎^ 2𝜇 2
𝐸′ 𝐸 2
𝜒 𝑛 −2
(𝑛−2) 2
𝜒 𝑛− 2
O alternativamente,
𝜎𝜇
2
𝜎𝜇
INFERENCIA ESTADISTICA
Teoremas útiles relacionadas con la distribución normal …

Teorema 1: 𝑛

𝑍 𝑖 𝑁𝐼 (0,1) ∑ 𝑖 𝑛
𝑍 2
𝜒 2

𝑖=1
Teorema 2:
𝑍 1 𝑁 (0,1) 𝑍1
𝑡𝑘
𝑉 2 𝜒 2𝑘
Teorema 3:
√ 𝑉2
𝑘

𝑉 1 𝜒 2𝑘 𝑉 1 /𝑘1
1
𝐹 𝑘 ,𝑘
𝑉 2 𝜒 2𝑘 2
𝑉 2 /𝑘2 1 2

Teorema 4:

𝑡 2𝑘 =𝐹 1 , 𝑘
INFERENCIA ESTADÍSTICA
Utilizando los teoremas planteados se deducen …

Considerando que:
^ ^ 2𝜇
𝜎
𝛽1 − 𝛽 1 y 𝑉 2=(𝑛− 2)
2
𝜒 𝑛− 2
𝑍1= 𝜎𝜇
2
√¿ ¿ ¿
Utilizando el teorema 2, se obtiene:

^𝛽 − 𝛽
1 1
𝑡 𝑛− 2= ¿
√¿¿¿
INFERENCIA ESTADÍSTICA
Utilizando los teoremas planteados se deducen …

Considerando que:
^ ^ 2𝜇
𝜎
𝛽2 − 𝛽2 y 𝑉 2=(𝑛− 2)
2
𝜒 𝑛− 2
𝑍2= 𝜎𝜇
2
√¿ ¿ ¿
Utilizando el teorema 2, se obtiene:

^𝛽 − 𝛽
2 2
𝑡 𝑛− 2= ¿
√¿¿¿
INFERENCIA ESTADÍSTICA
Utilizando los teoremas planteados se deducen …

Considerando que:
^ ^ 2𝜇
𝜎
𝛽𝑘 − 𝛽𝑘 y 𝑉 2=(𝑛− 2)
2
𝜒 𝑛− 2
𝑍𝑘= 𝜎𝜇
2
√¿ ¿ ¿
Utilizando el teorema 2, se obtiene:

^𝛽 − 𝛽
𝑘 𝑘
𝑡 𝑛− 2= ¿
√¿ ¿¿
INFERENCIA ESTADÍSTICA
Descomposición de la varianza …

𝑌 = 𝑋𝐵+𝑈
𝑈=𝑌 − 𝑋𝐵
𝑈=𝑌 − 𝑋𝐵 − 𝑋 ^𝐵+ 𝑋 ^
𝐵
𝑈=(𝑌 − 𝑋 ^𝐵)−( 𝑋𝐵− 𝑋 𝐵)
^
𝑈 ′ 𝑈=[(𝑌 − 𝑋 ^𝐵)−( 𝑋𝐵− 𝑋 𝐵)]′
^ [(𝑌 − 𝑋 ^𝐵)−(𝑋𝐵− 𝑋 ^𝐵)]
𝑈 ′ 𝑈=[(𝑌 − 𝑋 ^ 𝐵)− 𝑋 (𝐵 − ^ ^ 𝑋 (𝐵− ^
𝐵)]′ [(𝑌 − 𝑋 𝐵)− 𝐵)]
𝑈 ′ 𝑈=[(𝑌 − 𝑋 ^𝐵)′ −(𝐵 − ^𝐵)′ 𝑋 ′][(𝑌 − 𝑋 ^𝐵)− 𝑋 (𝐵 − 𝐵)]
^
𝑈 ′ 𝑈=(𝑌 − 𝑋 ^𝐵)′ (𝑌 − 𝑋 ^𝐵)−(𝑌 − 𝑋 ^𝐵)′ 𝑋 (𝐵 − ^𝐵)−(𝐵 − ^𝐵)′ 𝑋 ′(𝑌 − 𝑋 ^𝐵
INFERENCIA ESTADÍSTICA
Descomposición de la varianza …

𝑈 ′ 𝑈=(𝑌 − 𝑋 ^𝐵)′ (𝑌 − 𝑋 ^𝐵)−2(𝐵 − 𝐵)′

^ 𝑋 ′ (𝑌 − 𝑋 ^𝐵)+(𝐵 − ^𝐵)′ 𝑋 ′ 𝑋 (𝐵−
𝑈 ′ 𝑈=(𝑌 − 𝑋 ^𝐵)′ (𝑌 − 𝑋 ^𝐵)+( 𝐵− ^𝐵)′ 𝑋 ′ 𝑋 (𝐵 − 𝐵)
^
Considerando que:

𝐵= 0̄

𝑌 ′ 𝑌 =𝐸 ′ 𝐸+ ^ ^
𝐵′ 𝑋 ′ 𝑋 𝐵
𝑌 ′ 𝑌 =𝐸 ′ 𝐸 + ^
𝐵′ 𝑋 ′ 𝑋 ¿
𝑌 ′ 𝑌 =𝐸 ′ 𝐸+ ^
𝐵′ 𝑋 ′ 𝑌
^ ′ 𝑌^
𝑌 ′ 𝑌 =𝐸 ′ 𝐸+ 𝑌
INFERENCIA ESTADÍSTICA
Descomposición de la varianza …

𝑈 ′ 𝑈=(𝑌 − 𝑋 ^𝐵)′ (𝑌 − 𝑋 ^𝐵)+( 𝐵− ^𝐵)′ 𝑋 ′ 𝑋 (𝐵 − 𝐵)

^
𝐸(𝑈 ′ 𝑈 )=𝐸 [(𝑌 − 𝑋 ^𝐵)′ (𝑌 − 𝑋 ^𝐵)]+𝐸 [(𝐵 − ^𝐵)′ 𝑋 ′ 𝑋 (𝐵 − ^𝐵)]
𝐸 (𝑈 ′ 𝑈 )=(𝑛 − 𝑘) 𝜎 2 𝜇+ 𝐸 ¿
𝐸 (𝑈 ′ 𝑈 )=(𝑛 − 𝑘) 𝜎 2 𝜇+ 𝐸 ¿
𝐸 (𝑈 ′ 𝑈 )=(𝑛 − 𝑘) 𝜎 2𝜇 + 𝐸 ¿
𝐸(𝑈 ′ 𝑈 )=(𝑛 − 𝑘) 𝜎 2𝜇 + 𝜎 2𝜇 𝑇𝑟 ¿
𝐸(𝑈 ′ 𝑈 )=(𝑛− 𝑘)𝜎 2𝜇 +(𝑘− 1)𝜎 2𝜇
2
𝐸(𝑈 ′ 𝑈 )=(𝑛− 1)𝜎 𝜇
INFERENCIA ESTADÍSTICA
Utilizando los teoremas planteados se deducen …

2 2
𝑍 =𝑍 + 𝑍 =¿ ¿ 2 3
^ 2𝜇
𝜎 2
𝑉 2=(𝑛− 2) 2
𝜒 𝑛− 2
𝜎𝜇

Del Teorema 3, se deduce:

𝐹 2,𝑛−2=¿¿¿¿
INFERENCIA ESTADÍSTICA
En resumen se tiene las siguiente variables aleatorias …

^
𝛽1 − 𝛽 1 ^
𝛽𝑘 − 𝛽𝑘
𝑍1= 𝑍𝑘=
...... .

√¿ ¿ ¿ √¿ ¿ ¿
^ ^
𝛽 𝑘 − 𝛽𝑘
𝛽 1 − 𝛽1 𝑡 ^𝛽 =
𝑡 ^𝛽 = 𝑆 ^𝛽
𝑆 ^𝛽
𝑘
1
𝑘
1

𝐹 2, 𝑛 −2 =¿ ¿
INFERENCIA ESTADÍSTICA
Algunas ideas básicas …

 Conocer el valor esperado y la varianza de los estimadores del MMCO sirve

para describir la precisión de los estimadores de MMCO.
 Sin embargo, para realizar una inferencia estadística no sólo se necesita
conocer los dos primeros momentos de los estimadores del MMCO se
requiere conocer toda la distribución muestral de los estimadores
 Aun bajo los supuestos de Gauss-Markov, la distribución de los estimadores
del MMCO puede tener casi cualquier forma
 el que no haya normalidad en los errores no es un problema serio cuando los
tamaños de muestra son grandes. Por ahora, sólo se hace el supuesto de
normalidad
INFERENCIA ESTADÍSTICA
Algunas ideas básicas … Estimación puntual

^ ^
𝐸( ^𝛽 ¿ ¿2)= 𝛽2 ¿
𝛽2
1
𝛽2
2 ^
𝛽 32 ^ 4 ^
𝛽 42 ^
𝛽2
5
^ ^ 7
𝛽2 𝛽 62 𝛽2

^
𝛽2
INFERENCIA ESTADÍSTICA
Algunas ideas básicas … Confiabilidad …

𝜎 2𝜇
𝑉𝑎𝑟 ( ^𝛽2 )=
∑ 𝑥𝑖 2

𝛽2 𝛽2 𝛽2
INFERENCIA ESTADÍSTICA
Ideas básicas …

Supongamos que se desea encontrar qué tan “cerca” está, el coeficiente

estimado ^𝛽2 del parámetro poblacional 𝛽 2 .Es decir, encontrar un
número positivo, δ, tal que el intervalo aleatorio:
)
tenga una probabilidad 1− de contener en sus límites el valor verdadero
parámetro

/2 /2

^
𝛽2 − 𝛿 𝛽2 ^
𝛽 2+ 𝛿
INFERENCIA ESTADÍSTICA
Ideas básicas …

^𝛽 − 𝛽
2 2
𝑍2 = 𝑁 (0,1)

√
2
𝜎 𝜇

∑ 𝑥𝑖 2

0
INFERENCIA ESTADÍSTICA
Ideas básicas …

-1.645 90% 1.645

-1.96 95% 1.96

-2.58 99% 2.58

INFERENCIA ESTADÍSTICA
Ideas básicas …

^𝛽 − 𝛽
2 2
𝑍2 = 𝑁 (0,1)

√
2
𝜎 𝜇

∑ 𝑥𝑖 2

/2 /2

−𝑍 𝑍2 𝑍
INFERENCIA ESTADÍSTICA
Ideas básicas …

^𝛽 − 𝛽
2 2
𝑡 𝑛−2

√ ^ 2
𝜎 𝜇

∑ 𝑥𝑖 2

/2 /2

−𝑡  /2  0 𝑡  /2 
INFERENCIA ESTADÍSTICA
Estimación por intervalos …

Pr ¿ ¿
Pr ¿ ¿
INFERENCIA ESTADÍSTICA
Estimación intervalos …

^ 2𝜇
𝜎 2
(𝑛 −2) 2
𝜒 𝑛− 2
𝜎𝜇

Pr [¿ 𝜒 21− 𝜀/ 2 ≤ 𝜒 2 ≤ 𝜒 2𝜀/ 2]=1 − 𝜀¿

2
^ 2𝜇
𝜎 2
Pr [¿ 𝜒 1− 𝜀/ 2 ≤(𝑛 − 2) 2
≤ 𝜒 𝜀/ 2 ]=1 − 𝜀¿
𝜎𝜇

^ 2𝜇
𝜎 2
^ 2𝜇
𝜎
Pr [¿(𝑛 −2) 2
≤ 𝜎 𝜇 ≤(𝑛 −2) 2
]=1 − 𝜀¿
𝜒 𝜀/ 2 𝜒 1 − 𝜀/2
INFERENCIA ESTADÍSTICA
Prueba de hipótesis de significancia individual …

La relación entre la variable endógena y exógena viene dada por la

dependencia lineal del valor medio de la variable endógena respecto de la
variable exógena:

𝐸(𝑌 𝑖 / 𝑋 𝑖 )= 𝛽1 +𝛽 2 𝑋 2 𝑖 +𝛽 3 𝑋 3𝑖 +...+ 𝛽𝑘 𝑋 𝑘𝑖
La hipótesis de no relación entre la variable endógena y la variable exógena
«i» es:

𝐻 0 : 𝛽 𝑖=0 𝑖=1,2,3 ,...,𝑘

Si no tenemos ningún conocimiento previo respecto a los valores de los
parámetros de la regresión, la hipótesis alternativa será:

𝐻 𝐴 : 𝛽𝑖 ≠ 0 𝑖=1,2,3 ,...,𝑘
INFERENCIA ESTADÍSTICA
Prueba hipótesis de significancia global …

Hipótesis:

Las variables explicativas, X2, X3, …, y Xk, en conjunto, no tienen

influencia lineal sobre Y. Toda la variación de Y es explicada por las
perturbaciones aleatorias.

𝐻 0 : 𝛽 2= 𝛽3 =...= 𝛽 𝑘=0
Las variables explicativas, X2, X3 y Xk, en conjunto, tienen influencia lineal
sobre Y. Parte de la variación de Y se atribuirá a X2, X3, …, y Xk.

𝐻 𝑎 : 𝛽 2 ≠ 𝛽 3 ≠ ... ≠ 𝛽 𝑘 ≠ 0