Documente Academic
Documente Profesional
Documente Cultură
INTRODUCCIN
A LA ECONOMETRA
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
FACULTAD DE ECONOMIA
PROGRAMA DE ECONOMETRIA
1. INTRODUCCIN
2. OBJETIVOS
1
Ph.D. en Economa mencion en Analisis Econometrico para el Crecimiento y Desarrollo Economico
.
2
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
3. METODOLOGA
4. CONTENIDO
CAPITULO 1. INTRODUCCIN
3
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
6.1 Multicolinealidad
6.2 Heteroscedasticidad
6.3 Autocorrelacin
6.4 Interpretacin salidas del computador.
4
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
5. BIBLIOGRAFA
TEXTO GUIA:
TEXTOS ADICIONALES
Manual de EVIEWS.
5
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
CAPITULO 1. INTRODUCCION
6
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Estas tres definiciones nos indican que la econometra es cuantitativa y que est en
estrecho contacto con la realidad.
7
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
En resumen, se puede decir que las teoras econmicas se desarrollan para definir
las relaciones que se establecen entre variables econmicas. El objetivo de estas
teoras es el de entender la organizacin que existe entre los diversos agentes
econmicos. En base a este entendimiento es posible disear mejores polticas
econmicas que afectan tanto a la actividad econmica, como al bienestar
econmico de la sociedad. Para ello es necesario verificar estas teoras para que
as ellas sean tiles en lograr sus objetivos.
1.5. Modelo
A. Rosenblueth, con respecto a los modelos cientficos, dice que "la construccin de
modelos de los fenmenos naturales es una de las tareas esenciales de la labor
cientfica. Mas an, se puede decir que toda la ciencia no es sino la elaboracin de
un modelo de la naturaleza. La intencin de la ciencia y el resultado de la
investigacin cientfica, son el obtener conocimientos y el control de alguna parte del
Universo".
Las caractersticas mnimas que debe satisfacer un modelo econmico son las
siguientes:
1. Que represente un fenmeno econmico real.
2. Que la representacin sea simplificada y
8
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Como puede verse esta ecuacin (funcin de produccin) no es muy especifica, pero
la relacin si expresa que existe una relacin entre el producto y los insumos, y que
las cantidades utilizadas de insumos determinan la cantidad producida, y no a la
inversa.
Para ser ms especifico se necesita determinar que tipo de relacin es la que existe
entre las variables econmicas, como por ejemplo una relacin lineal:
Y = Bo + B1 X1 + B2 X2 + .....+ Bk Xk (2)
Ntese que est relacin puede ser correcta, aunque puede tambin estar en error
en cuanto a especificacin, ya que no sabemos si el insumo X2 es determinante en
esta forma del producto Y. Tambin se debe resaltar que este modelo pone nfasis
en un nmero relativamente pequeo de variables importantes cuya interrelacin se
puede expresar ms adecuadamente en un modelo matemtico que en una
explicacin escrita.
Y = Bo + B1 X1 + B2 X2 + .....+ Bk Xk + E (3)
9
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Los modelos economtricos por considerar una parte de error o trmino aleatorio en
su conformacin, hacen parte de los modelos probabilisticos.
Existen diferentes razones por las cuales los modelos economtricos deben de
considerar el termino de error, destacndose como las ms importantes las
siguientes:
a) datos: la economa hace parte de las ciencias sociales, el grado de control que se
puede tener sobre las variables es difcil. A pesar de que se busca obtener los
verdaderos valores de las variables, se debe aceptar que hay cierto error en la
medicin.
10
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
d) forma funcional: el investigador puede postular que la relacin entre las variables
es de tipo lineal; sin embargo, para otro investigador la forma funcional puede ser
cuadratica. Esta es otra fuente de error en la formulacin del modelo, por que no se
puede tener la certeza total sobre la forma funcional del modelo.
Los elementos que componen el modelos son las variables, las ecuaciones y los
parmetros.
Una variable es una entidad que puede tomar cualquier valor, sin embargo, interesan
solo aquellos valores que tienen un significado econmico, es decir los valores
factibles que definen su correspondiente dominio o recorrido. As por ejemplo para
las variables precio, produccin, ingreso, cantidad de insumo utilizado solo tienen
sentido econmico valores positivos.
Una ecuacin es una expresin matemtica que establece una relacin entre
variables. Los parmetros son otra categora matemtica. Estos son los factores de
ponderacin correspondiente a cada variable explicativa y miden el efecto de las
fluctuaciones de estas variables sobre la variable dependiente. Los parmetros son
importantes en los modelos, ya que sobre estos se formulan las pruebas de
hiptesis. El parmetro que no acompaa ninguna variable independiente se le
conoce como constante parametrica (intercepto); su interpretacin puede tener
sentido econmico dependiendo del modelo que se este considerando. Los valores
de los parmetros cambian de una situacin a otra.
11
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Desde el punto de vista econmico las variables se pueden clasificar como variables
endgenas y variable exgenas. Las variables endgenas son aquellas cuyos
valores estn determinados dentro del modelo. Las variables exgenas son aquellas
cuyos valores estn determinados fuera del modelo. Un grupo adicional de
clasificacin se conoce como variables predeterminadas que comprende las
exgenas con o sin retardo y las endgenas con retardo. Otro tipo, son las variables
esperadas o de expectativas de gran aplicacin.
12
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
13
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
14
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Existen dos tipos de variables aleatorias: discretas y continuas. Las primeras pueden
tomar valores como los nmeros enteros, mientras las segundas toman valores
dentro de un intervalo. Si se tienen dos variables aleatorias, por ejemplo: el nmero
de habitantes en una localidad y el consumo de energa elctrica; la primera, se
encuentra dentro del grupo de variables aleatorias discretas, y la segunda, dentro del
conjunto de variables aleatorias continuas.
15
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Los datos en los experimentos son recopilados inicialmente sin agrupar, para
luego, segn el inters del investigador presentarlos agrupados, en forma de
clases o intervalos. Es importante tener en cuenta que las fuentes de informacin
16
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Por otro lado, con los datos agrupados de una variable aleatoria es posible
construir histogramas de frecuencias, los cuales pueden ser comparados con las
representaciones grficas de distribuciones de probabilidad ya conocidas de
variables aleatorias. En la mayora de los casos, estos histogramas se comparan
con la distribucin normal, donde por inspeccin es posible identificar sesgos o
apuntamientos en la distribucin.
2
k
n f i x i
s 2 = ( x i x )2 ( n 1 ) k
f i x i2 i =1
Varianza i =1
n
i =1
s2 =
n 1
n k
xi x f i xi x
Desviacin Media i =1
DM = i =1 DM = k
n fi
i =1
n k
xi Md f i x i Md
i =1
Desviacin Mediana i =1 DM =
DM = k
n fi
i =1
Recorrido Max - min.
17
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
obs DX PX PZ PW I
1 37 7 5 7 6
2 38 6 7 5 8
3 18 10 3 13 3
4 50 4 9 4 18
5 22 9 3 11 3
6 55 2 12 3 21
7 42 8 5 8 2
8 29 8 5 9 19
9 63 2 18 3 20
10 13 12 2 15 6
11 60 3 9 5 12
12 62 3 10 5 5
13 36 6 5 6 26
ESTADSTICAS DESCRIPTIVAS
DX PX PZ PW I E
Mean 40,3846 6,1538 7,1538 7,2308 11,4615 1,8462
Median 38 6 5 6 8 2
Maximum 63 12 18 15 26 3
Minimum 13 2 2 3 2 1
Std. Dev. 16,8994 3,2106 4,4318 3,8113 8,2726 0,8987
Skewness -0,1141 0,2015 1,1012 0,7836 0,3946 0,3012
Kurtosis 1,8010 1,9467 3,7131 2,4772 1,6434 1,4070
Jarque-Bera 0,8069 0,6888 2,9030 1,4786 1,3342 1,5711
Probability 0,6680 0,7086 0,2342 0,4775 0,5132 0,4559
Sum 525 80 93 94 149 24
Sum Sq. Dev. 3427,0769 123,6923 235,6923 174,3077 821,2308 9,6923
Observations 13 13 13 13 13 13
18
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Una primera aproximacin con el fin de detectar algn tipo de relacin entre dos
variables ( X y Y), consiste en ubicar los pares de valores de en un plano cartesiano
hasta conformar la nube de puntos. Un diagrama de dispersin es la representacin
grfica de todos los pares de valores en sistema de ejes de coordenadas.
El diagrama de dispersin puede presentar diferentes formas, tales como los que se
presentan en las figuras siguientes:
19
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
La figura a) estara mostrando una posible relacin lineal entre las variables; en
tanto, que la figura b) tambin presentara una relacin lineal pero en este caso sera
inversa. Las figura c) y d) mostraran una posible relacin cuadrtica entre las
variables, pero en para el caso de la c) se podra representar un mximo en tanto
que para la d) sera un mnimo. La figura e) mostrara una tendencia de tipo cbico
entre las variables, en tanto que la d) en la que la pendiente de la lnea para cada
punto es positiva pero va decreciendo sin llegar a cero, podra indicar una relacin
de tipo exponencial entre las variables. La figura f) sera el caso en el cul no se
puede establecer ningn tipo de relacin entre las variables porque aparentemente
no existe.
rXY =
( xi x )( yi y )
( xi x )2 ( yi y )
2
( xi )( yi )
x i yi n
rXY =
xi
2 ( xi )
2
yi
2 ( yi )
2
n
n
rXY =
x i y i n( x y )
[ xi 2 n( x )2 ][ yi 2 n( y )2 ]
Al examinar la frmula de r, se observa que el denominador es positivo debido a que
en el se encuentran sumas de cuadrados, en tanto, que en el numerador aparece la
covarianza de las variables. Lo anterior indica que el numerador es el que est
definiendo el signo del coeficiente de correlacin.
20
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Las ventajas principales del coeficiente de correlacin lineal son las de que es fcil
de calcular y fcil de interpretar; adems de que es un paso superior al del diagrama
de dispersin.
21
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Si el investigador cree que existe una relacin lineal fuerte entre las variables, pero
no esta seguro del tipo de relacin (negativa o positiva), el planteamiento de la
hiptesis y el procedimiento para probarla es de la forma siguiente:
Paso 1: Ho: =0
Paso 2: Ha: 0
tC =
(r )
n 2
~. t 2, n 2
2
1 r
22
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Dado que la hiptesis alterna tiene el signo de diferente, se esta trabajando con
los dos lados de la distribucin. Por lo tanto, la regin de rechazo se encuentra
repartida alpha medios a cada lado. El valor de los lmites derecho e izquierdo con
que comienzan las regiones de rechazo se determina mediante la tabla t, teniendo
en cuenta si la prueba es de un lado o dos lados y los grados de libertad. La figura
j muestra la regin de rechazo y aceptacin de la hiptesis nula de esta prueba:
23
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
MATRIZ DE COVARIANZAS
DX PX I PZ PW
DX 263,621302 -47,982249 47,899408 60,017751 -53,781065
PX -47,982249 9,514793 -12,994083 -11,639053 10,733728
I 47,899408 -12,994083 63,171598 16,698225 -16,183432
PZ 60,017751 -11,639053 16,698225 18,130178 -12,650888
PW -53,781065 10,733728 -16,183432 -12,650888 13,408284
MATRIZ DE CORRELACION
DX PX I PZ PW
DX 1 -0,95805552 0,37117521 0,86813735 -0,9045916
PX -0,95805552 1 -0,53001118 -0,88616982 0,95030783
I 0,37117521 -0,53001118 1 0,49341045 -0,55606184
PZ 0,86813735 -0,88616982 0,49341045 1 -0,81139694
PW -0,9045916 0,95030783 -0,55606184 -0,81139694 1
24
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Prediccin: muchas veces los modelos elaborados por los economistas no tienen
solo como objeto mostrar la relacin entre variables y la magnitud de dicha
relacin entre estas a travs de una forma funcional, sino que adems los modelos
tienen implicaciones en trminos de prediccin. As puede encontrarse el efecto
25
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Por otro lado, cuando la lnea de regresin es construida con los datos muestrales
recibe el nombre de funcin de regresin muestral. Como todo procedimiento de
inferencia estadstica, lo que se pretende es que la muestra sea una buena
representacin de la poblacin. En este sentido, la funcin de regresin muestral
constituye una representacin de la funcin de regresin poblacional. A s mismo,
en la prctica, las muestras de variables aleatorias son usadas para inferir sobre
las caractersticas de la poblacin.
26
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Los supuestos del modelo junto con los mtodos de estimacin caracterizan los
resultados obtenidos de la regresin (coeficientes, pruebas de hiptesis, intervalos
de confianza, prediccin, etc). En particular, los supuestos ms importantes del
modelo recaen sobre el trmino del error. Teniendo en cuenta que la funcin de
regresin poblacional puede expresarse tambin de la forma Yi = 1 + 2 X i+ ui , el
modelo de regresin lineal cuenta con los siguientes supuestos:
E (ui / X i ) = 0
( ) [ ( )] ( )
Cov ui , u j = E [ui E (ui )] u j E u j = E ui , u j = 0 i j
Var (u i / X i ) = E [u i E (u i )] = E u i
2
( )=
2 2
27
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
e i2 = (Y i Yi ) = (Yi 1 2 X i )
2 2
28
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
n X Y ( X )( Y )
2 = i i 2 i 2 i
n X i ( X i )
1 = Y 2 X
As como existen medidas de dispersin para las variables tambin las hay para
los estimadores, por lo tanto, es necesario siempre presentar una medida de
precisin de los estimadores de los parmetros del modelo. Esta medida es el
error estndar e indica la confiabilidad de las estimaciones (si son pequeas dejan
ver que los parmetros muestrales van a ser muy parecidos a los poblacionales).
La principal utilidad de los errores estndar de los estimadores es la construccin
de intervalos de confianza y prueba de hiptesis. A continuacin se presenta la
forma de calcular la varianza y error estndar de cada estimador del modelo de
regresin lineal simple:
( )
Var 1 =
X i2 2 ( )
se 1 = X i2
n (X i X ) n ( X i X )2
2
y
( )
( )
2
Var 2 = se 2 =
(X i X ) (X i X )
2 2
29
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
[
Pr 2 t 2 ( )
se 2 2 2 + t 2 ( )]
se 2 = 1
[
Pr 1 t 2 ( )
se 1 1 1 + t 2 ( )]
se 1 = 1
1 t 2 se 1 ( )
Por ejemplo si es 0.05, la interpretacin del intervalo de confianza para 2 es:
dado un nivel de confianza del 95%, en el largo plazo, en 95 de cada 100 casos el
( ( ) ( ))
intervalo 2 t 2 se 2 , 2 + t 2 se 2 contendr el verdadero valor de 2 .
Paso 1: Ho: i = 0
Paso 2: Ha: i 0
Paso 3: alpha ( ) : Nivel de significancia
i
tC = ~. t
se ( i )
2, n 2
30
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
4.8. Prediccin
31
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
( )
2 1
Y0 = 1 + 2 X 0 y la varianza de Y0 : Var Y0 = +
( X0 X )
2
.
n (X i X )
2
1 (X X )2
Var (Y0 ) = 2 1 + + 0 .
n (X i X )
2
En algunos casos el investigador requiere estimar otro tipo de modelos en los que
las variables independientes no sean lineales, como por ejemplo variables
transformadas en trminos logartmicos, cuadrticos, raz cuadrada, cbicos, etc.
Las razones para estimar estos nuevos modelos pueden ser: mejorar los
resultados en trminos de bondad de ajuste, obtener elasticidades directamente
de la regresin, o en algunos casos porque la teora econmica lo sugiere. Un
ejemplo del modelo no lineal es el conocido como Cobb-Douglas, cuya forma
funcional es la siguiente:
32
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Y i = AX i 2 e u i
Para estimar el modelo se efecta una linealizacin del modelo transformando en
logaritmos. De esta manera:
LnYi = LnA + 2 LnX i + ui
Puede notarse que las variables dependiente e independiente se encuentran
transformadas en logaritmos y el trmino LnA es el intercepto de la regresin. As,
con el deseo de obtener los coeficientes de la regresin puede efectuarse la
siguiente sustitucin:
Sea YT = LnYi , 1 = LnA y XTi = LnX i , luego el modelo a estimar toma la forma:
YTi = 1 + 2 XTi + ui , y los coeficientes del modelo transformado pueden ser
obtenidos por el mtodo de mnimos cuadrados ordinarios usando las ecuaciones
para los estimadores 1 y 2 presentadas en el numeral 3.4.
Dependent Variable: DX
Method: Least Squares
Date: 03/23/04 Time: 11:12
Sample: 1 13
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 71,417910 3,130854 22,810998 0,000000
PX -5,042910 0,454825 -11,087588 0,000000
R-squared 0,917870 Mean dependent var 40,384615
Adjusted R-squared 0,910404 S.D. dependent var 16,899401
S.E. of regression 5,058427 Akaike info criterion 6,220627
Sum squared resid 281,464552 Schwarz criterion 6,307542
Log likelihood -38,434072 F-statistic 122,934614
Durbin-Watson stat 2,267643 Prob(F-statistic) 0,000000
33
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Y = 1 + 2 x2 + 3 x3 + L + k xk +
Por lo tanto las n ecuaciones que representan y i como funcin de las x , los y
se pueden escribir simultneamente como:
Y = X +
34
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Se desea obtener un estimador de un vector de parmetros desconocido que
minimiza la suma del cuadrado de los errores S = ( 2
)
= ' .
Entonces, S = ' = (Y X ) ' (Y X ) y luego minimizando S con respecto a se
tiene que el estimador de OLS es:
OLS = (X ' X ) (X ' Y )
1
Matriz var cov . = 2 ( X' X ) 1 .
35
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Para efectuar pruebas de hiptesis debe obtenerse el error estndar de cada uno
de los estimadores. Esta medida de dispersin corresponde a la raz cuadrada de
cada uno de los elementos de la diagonal principal de la matriz de varianza
covarianza. A continuacin se presentan los aspectos ms importantes para
efectuar las pruebas de relevancia y dependencia en un modelo de regresin
mltiple:
36
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Yi = AX i 2 2 X i 3 3 K X ik k e ui
37
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Dependent Variable: DX
Method: Least Squares
Date: 03/27/04 Time: 15:27
Sample: 1 13
Included observations: 13
Variable Coefficient Std. Error t-Statistic Prob.
C 72,733515 10,832882 6,714142 0,000150
PX -4,588739 1,778623 -2,579939 0,032619
PZ 0,471929 0,688867 0,685080 0,512650
PW -0,386460 1,214240 -0,318273 0,758428
I -0,409388 0,201019 -2,036558 0,076079
R-squared 0,947105 Mean dependent var 40,384615
Adjusted R-squared 0,920657 S.D. dependent var 16,899401
S.E. of regression 4,760208 Akaike info criterion 6,242183
Sum squared resid 181,276661 Schwarz criterion 6,459471
Log likelihood -35,574189 F-statistic 35,810459
Durbin-Watson stat 1,436480 Prob(F-statistic) 0,000037
C PX PZ PW I
C 117,351340 -11,562329 -6,616478 1,349073 -0,600013
PX -11,562329 3,163501 0,777287 -1,826424 -0,022642
PZ -6,616478 0,777287 0,474538 -0,192430 -0,014848
PW 1,349073 -1,826424 -0,192430 1,474379 0,052888
I -0,600013 -0,022642 -0,014848 0,052888 0,040409
38
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Donde:
39
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
ESTADISTICAS DESCRIPTIVAS
Q Q2 Q3 CT
Mean 10 136,6667 2100 66,19048
Median 10 100 1000 55
Maximum 20 400 8000 169
Minimum 0 0 0 5
Std. Dev. 6,204837 128,5365 2488,431 43,49899
Skewness 0 0,660405 1,078772 0,842139
Kurtosis 1,794545 2,158009 2,933702 2,972036
Jarque-Bera 1,271481 2,146804 4,076968 2,482876
Probability 0,529543 0,341844 0,130226 0,288968
Observations 21 21 21 21
Dependent Variable: CT
Method: Least Squares
Date: 27/03/04 Time: 21:48
Sample: 1 21
Included observations: 21
Variable Coefficient Std. Error t-Statistic Prob.
C 4,586862 0,962089 4,767605 0,000200
Q 10,450570 0,427013 24,473660 0,000000
Q2 -0,974658 0,050336 -19,363000 0,000000
Q3 0,043001 0,001653 26,020450 0,000000
R-squared 0,999236 Mean dependent var 66,19048
Adjusted R-squared 0,999101 S.D. dependent var 43,49899
S.E. of regression 1,304364 Akaike info criterion 3,538952
Sum squared resid 28,92322 Schwarz criterion 3,737908
Log likelihood -33,15899 F-statistic 7408,618
Durbin-Watson stat 0,882959 Prob(F-statistic) 0
C Q Q2 Q3
C 0,925616 -0,336905 0,032823 -0,000934
Q -0,336905 0,182340 -0,020705 0,000640
Q2 0,032823 -0,020705 0,002534 -0,000082
Q3 -0,000934 0,000640 -0,000082 0,000003
40
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
6.1. Multicolinealidad
La multicolinealidad tiene que ver con la relacin lineal entre algn conjunto de
variables independientes en un modelo de regresin. Supngase el siguiente
modelo con cuatro variables independientes:
Cualquier relacin lineal entre las variables independientes de este modelo, por
ejemplo X2 con X3, o X2 con X5 y X4 puede generar problemas de multicolinealidad
en el modelo. Por lo general, existen dos tipos de multicolinealidad:
41
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
= (X' X ) (X' Y )
1
1
(X' X )1 = Adj (X' X )
X' X
3
Trmino comnmente utilizado para sealar que se esta efectuando una regresin lineal.
42
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
tC =
(rX 2,X 3 n 2 ) ~. t 2, n 2
1 (rX 2 , X 3 )2
4
Corresponde a la misma prueba presentada en el captulo 2.
43
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
44
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
6.2. Heteroscedasticidad
45
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
2 2
t2 = 0 + 1X1t + 2 X 2t + 3 X1t + 4 X 2t + 5 X1t X 2t + t
2
El estadstico de prueba: nR 2 ~
. 5 . En este caso el nmero de grados de
libertad es cinco, pero en modelos con ms variables explicativas, los
grados de libertad para la prueba ser el nmero de regresores
2
presentados en la prueba. Si nR 2 > g.l la hiptesis nula es rechazada, por
lo tanto, existe heteroscedasticidad en el modelo original.
46
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Ut
Donde v t = . Puede verificarse que:
Xt
E (v t ) = E(U t Xt ) = (1 Xt )E(U t ) = 0
47
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
6.3. Autocorrelacin
48
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
49
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Por otro lado existe el mtodo de correccin a travs del Durbin Watson.
Mediante esta tcnica, aunque no se conoce , este es posible estimarlo a
partir del estadstico d de la regresin del modelo original. Una vez
obtenido el valor de , las variables son transformadas para posteriormente
estimar la siguiente ecuacin de primeras diferencias:
50
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
A. Multicolinealidad.
Considere que se desea estimar la demanda de pollo (DP) como una funcin de
su propio precio (PRPOLLO) , el ingreso per. cpita (INGPER), y el precio de la
carne de cerdo (PRCERDO). El modelo estimado es el siguiente:
Dependent Variable: DP
Method: Least Squares
Date: 27/03/04 Time: 13:35
Sample: 1960 1982
Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 38,647195 3,649601 10,589431 0,000000
PRPOLLO -0,541084 0,157970 -3,425242 0,002838
INGPER 0,010876 0,002381 4,567423 0,000210
PRCERDO 0,174055 0,062531 2,783507 0,011841
R-squared 0,936653 Mean dependent var 39,669565
Adjusted R-squared 0,926651 S.D. dependent var 7,372950
S.E. of regression 1,996820 Akaike info criterion 4,377760
Sum squared resid 75,758546 Schwarz criterion 4,575237
Log likelihood -46,344242 F-statistic 93,645026
Durbin-Watson stat 0,882813 Prob(F-statistic) 0,000000
MATRIZ DE CORRELACION
REGRESION AUXILIAR
51
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
B. Heteroscedasticidad
52
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Dependent Variable: Y
Method: Least Squares
Date: 27/03/04 Time:
12:15
Sample: 1 30
Included observations: 30
Variable Coefficient Std. Error t-Statistic Prob.
C 9,290307 5,231386 1,775879 0,086623
X 0,637785 0,028617 22,287177 0,000000
R-squared 0,946638 Mean dependent var 119,733333
Adjusted R-squared 0,944732 S.D. dependent var 39,061343
S.E. of regression 9,182968 Akaike info criterion 7,336918
Sum squared resid 2361,153250 Schwarz criterion 7,430332
Log likelihood -108,053777 F-statistic 496,718278
Durbin-Watson stat 1,590347 Prob(F-statistic) 0,000000
Con el objeto de verificar si los errores del modelo tienen varianza constante se
desarrolla la prueba de Heteroscedasticidad de White:
C. Autocorrelacin
Dependent Variable: Y
Method: Least Squares
Date: 27/03/04 Time: 14:20
Sample: 1960 1991
Included observations: 32
53
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
54
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Por otro lado, un ejemplo de una variable que puede ser representada en escala
ordinal es el estrato econmico. El nombre de ordinal se refiere a que en la
estructura de registro el orden tiene gran relevancia. El investigador puede
conformar la variable de la siguiente manera:
55
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Donde:
56
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
57
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
ANEXOS
58
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
ANEXO 1.
REGRESIN LINEAL MLTIPLE EN EL PAQUETE
ESTADSTICO E-VIEWS
Ejemplo
Dx = 0 + 1 I + 2 Pw + 3 Px + 4 Pz + U
Donde:
59
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Desarrollo
60
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
Se selecciona el archivo a
importar; en este caso
corresponde a dem1.xls
del subdirectorio donde se
haya almacenado.
61
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
62
Introduccin a la Econometra
PhD.Eco.Jorge Edwing Del Carpio Gonzales
________________________________________________________________________________________
63