Documente Academic
Documente Profesional
Documente Cultură
1
UNIVERSIDAD PRIVADA TELESUP
Prefacio:
La asignatura es de carácter teórico-práctica. La economía,
perteneciente a las ciencias sociales, trata de explicar el
funcionamiento del sistema económico en sus distintos aspectos,
como producción, consumo, dinero, distribución del ingreso y
todo lo relacionado con los recursos escasos entre distintos
fines posibles. La herramienta básica usada por los
economistas para ello es la construcción de modelos
económicos teóricos y matemáticos que describan el comportamiento de los
agentes económicos. Sin embargo, esos modelos deben contrastarse con los
datos disponibles para saber si éstos tienen capacidad explicativa y predictiva, y
poder en definitiva optar entre unas u otras opciones. La construcción de tales
modelos es la finalidad de la econometría. Tiene como propósito desarrollar en el
alumno la capacidad para emplear métodos estadísticos destinados a estimar las
relaciones económicas, contrastar teorías económicas y evaluar y poner práctica
políticas gubernamentales y de negocios. Haciendo esencial el aprendizaje de
estos temas que se verán a continuación para que el profesional llegue a formarse
con éxito, y además pueda desempeñar un rol más activo en la su empresa.
2
UNIVERSIDAD PRIVADA TELESUP
Consecuencias de
Características de la Consecuencias de la
Justificación la Autocorrelación
econometría. Heteroscedasticidad
de la regresión para los
para los estimadores
múltiple. estimadores MCO.
MCO.
Método de los
mínimos cuadrados Estimadores del Contraste de
Contrastes de
ordinarios. método de Autocorrelación.
Heteroscedasticidad.
Mínimos
Cuadrados
Bondad de ajuste. El Ordinarios. Solución a la
Estimación de mínimos
coeficiente de autocorrelación
cuadrados ponderados.
correlación. con regresores
Correlación
Múltiple.
Proyecciones de la Heteroscedasticidad
Revisión del modelo
regresión lineal. y Autocorrelación
lineal.
Componentes de en modelos de
las varianzas regresión.
MCO:
multicolinealidad
3
UNIVERSIDAD PRIVADA TELESUP
Índice del Contenido
I. PREFACIO 02
II. DESARROLLO DE LOS CONTENIDOS 04 - 163
UNIDAD DE APRENDIZAJE 1: El Modelo de Regresión Simple 05-50
1. Introducción 06
a. Presentación y contextualización 06
b. Competencia 06
c. Capacidades 06
d. Actitudes 06
e. Ideas básicas y contenido 06
2. Desarrollo de los temas 07-44
a. Tema 01: Características de la econometría. 07
b. Tema 02: Método de los Mínimos Cuadrados Ordinarios 12
c. Tema 03: Bondad de Ajuste. El Coeficiente de Correlación 19
d. Tema 04: Proyecciones de la regresión lineal 26
3. Lecturas recomendadas 45
4. Actividades 46
5. Autoevaluación 47
6. Resumen 50
UNIDAD DE APRENDIZAJE 2: Análisis de Regresión Múltiple 51-100
1. Introducción 52
a. Presentación y contextualización 52
b. Competencia 52
c. Capacidades 52
d. Actitudes 52
e. Ideas básicas y contenido 52
2. Desarrollo de los temas 53-94
a. Tema 01: Justificación de la regresión múltiple: 53
b. Tema 02: Estimadores del método de Mínimos Cuadrados Ordinarios, 57
c. Tema 03: Correlación Múltiple 67
d. Tema 04: Componentes de las varianzas MCO: Multicolinealidad. 77
3. Lecturas recomendadas 95
4. Actividades 96
5. Autoevaluación 97
6. Resumen 100
UNIDAD DE APRENDIZAJE 3: Heteroscedasticidad 101-128
1. Introducción 102
a. Presentación y contextualización 102
b. Competencia 102
c. Capacidades 102
d. Actitudes 102
e. Ideas básicas y contenido 102
2. Desarrollo de los temas 102-123
a. Tema 01: Consecuencias de la Heteroscedasticidad para los estimadores MCO 103
b. Tema 01: Contrastes de Heteroscedasticidad. 108
c. Tema 01: Estimación de mínimos cuadrados ponderados 114
d. Tema 01: Revisión del modelo lineal 119
3. Lecturas recomendadas 124
4. Actividades 125
5. Autoevaluación 126
6. Resumen 128
UNIDAD DE APRENDIZAJE 4: Autocorrelación 129-159
1. Introducción 130
a. Presentación y contextualización 130
b. Competencia 130
c. Capacidades 130
d. Actitudes 130
e. Ideas básicas y contenido 130
2. Desarrollo de los temas 131-153
a. Tema 01: Consecuencias de la Autocorrelación para los estimadores MCO. 131
b. Tema 01: Contraste de Autocorrelación 140
c. Tema 01: Solución a la autocorrelación con regresores estrictamente exógenos. 143
d. Tema 01: Heteroscedasticidad y Autocorrelación en modelos de regresión. 147
3. Lecturas recomendadas 154
4. Actividades 155
5. Autoevaluación 156
6. Resumen 159
III. GLOSARIO 160
IV. FUENTES DE INFORMACIÓN 162
V. SOLUCIONARIO 163
4
UNIVERSIDAD PRIVADA TELESUP
Introducción
5
UNIVERSIDAD PRIVADA TELESUP
Introducción
a) Presentación y contextualización
Los temas que se tratan en la presente unidad temática tienen por finalidad que el
estudiante tome conocimiento de la importancia de los métodos econométricos.
b) Competencia
Identifica los elementos, métodos, procedimientos y técnicas de la
estimación de regresiones lineales; aplicándolos en la toma de negocios
empresariales.
c) Capacidades
d) Actitudes
6
UNIVERSIDAD PRIVADA TELESUP
Características
TEMA 1
de la
Econometría
Competencia:
Explicar la naturaleza de la econometría y
de los datos econométricos.
7
UNIVERSIDAD PRIVADA TELESUP
Desarrollo de los Temas
Tema 01: Características de La Econometría
De acuerdo con esta definición, los dos ingredientes básicos de la Econometría son:
1) La Teoría Económica y 2) Los datos.
La característica fundamental de esta disciplina es que debe saber conjugar
perfectamente ambos ingredientes. En otras palabras, la econometría no puede
defender la medición sin teoría, pero tampoco la teoría sin datos.
8
UNIVERSIDAD PRIVADA TELESUP
9
UNIVERSIDAD PRIVADA TELESUP
Es importante para ser capaz de aplicar la teoría económica a los datos del
mundo real
Un análisis empírico utiliza datos para probar una teoría o para estimar una
relación
Un modelo formal de la economía puede ser comprobado
La teoría puede ser ambigua en cuanto al efecto de algún cambio en la
política; entonces puede utilizar la econometría para evaluar el programa
10
UNIVERSIDAD PRIVADA TELESUP
Ingresos 0 1educación e
La estimación de β1, es el ingreso por educación, ¿pero puede ser una
relación de causalidad?
La regresión sólo indica el grado de intensidad de relación entre las
variables, más no indica causal
Si bien el término de error, e, incluye otros factores que afectan los
ingresos, debemos controlarlos lo más posible
Algunas cosas todavía no son observadas, lo cual puede ser problemático.
11
UNIVERSIDAD PRIVADA TELESUP
Método
de los TEMA 2
Mínimos
Cuadrados
Ordinarios
Competencia:
Aplicar el método MCO para determinar los
parámetros del modelo lineal general.
12
UNIVERSIDAD PRIVADA TELESUP
❖ Variable independiente, o
❖ Variable del Lado Derecho, o
❖ Variable explicativa, o
❖ Regresor, o
❖ Variable exógena, o
❖ Covariable, o
❖ Variables de control
13
UNIVERSIDAD PRIVADA TELESUP
Queremos que sea el caso de que saber algo acerca de x no nos da ninguna
información sobre ε, de modo que no tienen ninguna relación. Es decir, que
E (ε | x) = E (ε) = 0, lo que implica
E (y | x) = β0 + β1x
E (y | x) como una función lineal de x, donde para cualquier x la distribución de
y está centrada sobre E (y | x)
14
UNIVERSIDAD PRIVADA TELESUP
Para obtener las estimaciones de MCO tenemos que darnos cuenta que
nuestra hipótesis principal de E (ε | x) = E (ε) = 0 implica también que
Cov (x, ε) = E (xε) = 0
¿Por qué? Recuerde por probabilidad básica que Cov (X, Y) = E (XY) - E (X) E
(Y)
Podemos escribir nuestras 2 restricciones sólo en términos de x, y, β0 y β1,
ya que ε = y - β0 - β1x
E (y - β0 - β1 x) = 0
E [x (y - β0 - β1x)] = 0
Estos se denominan restricciones momento
¿Qué significa esto? Recordemos que para E (X), la media de una distribución de
la población, un estimador de la muestra de E (X) es simplemente la media
aritmética de la muestra
Queremos elegir los valores de los parámetros que garanticen que las versiones
de muestra de las restricciones momento son verdaderas
Las versiones de la muestra son como sigue:
y ˆ ˆ1 xi 0
n
1
n i 0
i 1
x y ˆ ˆ1 xi 0
n
1
n i i 0
i 1
15
UNIVERSIDAD PRIVADA TELESUP
y ˆ0 ˆ1 x ,
o
ˆ0 y ˆ1 x
x y y ˆ x ˆ x 0
n
i i 1 1 i
i 1
n n
xi yi y ˆ1 xi xi x
i 1 i 1
n n
i 1 i 1
x x y
i i y
ˆ1 i 1
n
x x
2
i
i 1
n
siempre que xi x 0
2
i 1
16
UNIVERSIDAD PRIVADA TELESUP
ê y ˆ ˆ1 xi
n n
2 2
i i 0
i 1 i 1
y ˆ ˆ1 xi 0
n
i 0
i 1
x y ˆ ˆ1 xi 0
n
i i 0
i 1
17
UNIVERSIDAD PRIVADA TELESUP
n ê i
ê
i 1
i 0 por tanto, i 1
n
0
n
xê
i 1
i i 0
y ˆ0 ˆ1 x
18
UNIVERSIDAD PRIVADA TELESUP
Bondad de
Ajuste TEMA 3
El Coeficiente
De Correlación
Competencia:
Calcular e interpreta el coeficiente de
correlación.
19
UNIVERSIDAD PRIVADA TELESUP
Podemos entender que cada observació n tiene una parte explicada y una parte no explicada,
yi yˆ i uˆi definimos lo siguiente :
y y es la suma total de cuadrados (SST)
2
i
y y y yˆ yˆ y
2 2
i i i i
ê yˆ y
2
i i
ê 2 ê yˆ y yˆ y
2 2
i i i i
SSR 2 ê yˆ y SSE
i i
y sabemos que ê yˆ y 0 i i
20
UNIVERSIDAD PRIVADA TELESUP
Esta herramienta estadística se mide por un coeficiente que puede tomar un valor
que puede oscilar entre -1 y 1, si el valor es cercano a 1 se dice que existe una
relación directa entre las variables estudiadas, una mayor cantidad en una implica
que la otra aumentara también, en la medida que se acerca a 0 se dice que el
nivel de correlación es mínimo o simplemente no existe correlación y por lo tanto
la variación de una variable no explica el comportamiento de otra, finalmente si es
cercano a -1 la relación es inversa, si aumenta la variable independiente,
disminuye el valor de la dependiente.
La siguiente gráfica muestra las posibles formas de correlación, vinculando el
valor del coeficiente con su expresión gráfica.
21
UNIVERSIDAD PRIVADA TELESUP
22
UNIVERSIDAD PRIVADA TELESUP
xi x yi
ˆ1 , donde
s x2
s x2 xi x
2
x x y x x x
i i i 0 1 i i
x x x x x
i 0 i 1 i
x x
i i
x x x x x
0 i 1 i i
x x
i i
x x 0,
i
x x x x x
2
i i i
23
UNIVERSIDAD PRIVADA TELESUP
Caso homocedasticidad
Caso heterocedasticidad
24
UNIVERSIDAD PRIVADA TELESUP
1
Var ˆ1 Var
1 s 2 d i i
x
2 2
2 Var d i i
1 1
2 d i
2
Var i
s x sx
2 2
1 2
sx
d i
2
2
1 2
2
sx
d i
2
2
1 2 s x2 Var ˆ1
2 2
sx s x2
1.3.5. Resumen de la varianza de MCO
Cuanto mayor sea el error de varianza, σ2, cuanto mayor sea la variación de la
estimación de la pendiente. Cuanto mayor sea la variabilidad en la xi, menor
será la variación de la estimación de la pendiente
Como resultado, un mayor tamaño de muestra debe disminuir la variación de
la estimación de la pendiente. Hay un problema: la varianza del error es
desconocido
êi yi ˆ0 ˆ1 xi
0 1 xi i ˆ0 ˆ1 xi
i ˆ0 0 ˆ1 1
Entonces, un estimador insesgado de 2 es
êi2 SSR / n 2
1
ˆ 2
n 2
ˆ ˆ 2 Error estándar de regresión
podemos llamarlo sdˆ
sx
si sustituimos ˆ por entonces tendremos
el error estándar de ˆ1 ,
seˆ1 ˆ / x x
i
2
1
2
25
UNIVERSIDAD PRIVADA TELESUP
Proyecciones
de la
TEMA 4
Regresión
Lineal
Competencia:
Distinguir los métodos, procedimientos y
técnicas para la proyección de datos.
26
UNIVERSIDAD PRIVADA TELESUP
Cantidades
Y 2 2.5 3 4 3.5 3.5 4.5 5 5.5 5.5 6 7 7.5 9 8.5
Precio X 3.3 4.4 3.3 5.5 4.4 5.5 6.6 6.6 7.2 7.7 7.7 8.8 8.8 11 9.9
27
UNIVERSIDAD PRIVADA TELESUP
Y
10
9
8
7
6
5
4
3
2
1
0
0 1 2 3 4 5 6 7 8 9 10 11 12
1.4.1. DESARROLLO
28
UNIVERSIDAD PRIVADA TELESUP
Para obtener los valores de los coeficientes se tiene en primer lugar efectuar los
productos encontrar sus sumatorias y luego simultanear la ecuación y
despejando en cada caso el valor que se requiera:
Precio X Cantidades Y (X)(Y)
3.3 2 6.6 10.89
4.4 2.5 11 19.36
3.3 3 9.9 10.89
5.5 4 22 30.25
4.4 3.5 15.4 19.36
5.5 3.5 19.25 30.25
29
UNIVERSIDAD PRIVADA TELESUP
30
UNIVERSIDAD PRIVADA TELESUP
-91.94348195/100.65= a
a = -0.913497088
31
UNIVERSIDAD PRIVADA TELESUP
La idea central radica en que si existe relación entre los valores de “Y” observados
con los valores de X, el grado de variación de la media aritmética respecto a los
“Y” estimados y los observados es mínima. En términos concretos se compara el
porcentaje de la variación explicada (que se origina entre los valores proyectados
y la media), y la variación total (la variación observada y la variación explicada) en
cuyo caso refleja un coeficiente que se encuentra entre el valor de -1 y 1.
Para evitar valores negativos se debe llevar al cuadrado cada expresión, para
totalizar ese cálculo se realiza para cada uno de los puntos y luego se procede a
la suma en consecuencia
32
UNIVERSIDAD PRIVADA TELESUP
Con esta ecuación se puede apreciar que en la medida que el valor de observado
sea igual al valor proyectado, el nivel de variación con la media será el mismo, es
decir que Y observado = Y estimado, si eso se cumple para cada uno de los
puntos las variaciones son inexistentes y por lo tanto
33
UNIVERSIDAD PRIVADA TELESUP
n = 15
= ∑ Y / n.
= 77/ 15
= 5.13
r2 = ∑ (Y estimada - )2 / ∑ (Y observada - )2
r2 = 62/64.73
r2 = 0.9578
34
UNIVERSIDAD PRIVADA TELESUP
r= 1032.08 / √ (1,112,052.31)
r = 0.9787
(r)2=(0.9787)2
r2=0.9578
35
UNIVERSIDAD PRIVADA TELESUP
Los valores obtenidos como “a” y “b” son estimadores de los parámetros
reales, porque se dicen estimadores porque son encontrados a partir de una
muestra, su representación en econometría son los valores ß, el caso de “a” se
está tratando con el intercepto y con “b” con la elasticidad, si “b” está siendo
afectado por un logaritmo ese coeficiente es una tasa de crecimiento.
36
UNIVERSIDAD PRIVADA TELESUP
¿y cuándo cig=20?
peso = 119.77 – 0.514 cig = 119.77 – 0.514 (20) = 119.77 – 10.28 = 109.49
b) ¿Implica necesariamente esta regresión simple que existe una relación causal
entre el peso del bebé al nacer y el hábito de fumar de la madre?
No, la regresión sólo indica que existe una relación inversa entre el peso del
bebé y el promedio de cigarrillo que la madre fumó por día.
c) Para predecir un peso de 125 onzas ¿a que tendría que ser igual cig?
37
UNIVERSIDAD PRIVADA TELESUP
1.4.7. PROYECCIONES
38
UNIVERSIDAD PRIVADA TELESUP
Con esa información podemos decir que si el mercado espera en ese periodo un
precio de 5 unidades monetarias el valor de la cantidad ofertada será de
Y(X)=0.9012 (5)- 0.9135, Y(X)= 3.59, en consecuencia los productores ofrecerían
una 3.6 kilos de carne aproximadamente, la misma mecánica se aplica para las
demás ecuaciones calculadas, la interpretación variará dependiendo de las
variables utilizadas.
39
UNIVERSIDAD PRIVADA TELESUP
40
UNIVERSIDAD PRIVADA TELESUP
Nótese que el valor de 15 no fue estimado por no encontrarse dentro del rango,
lo mismo se aplica para casos que están por debajo de 3.3.
41
UNIVERSIDAD PRIVADA TELESUP
42
UNIVERSIDAD PRIVADA TELESUP
Como se puede apreciar existen diferentes tendencias, uno mismo puede hacer las
pruebas en que el coeficiente de correlación y la forma funcional se ajuste más.
43
UNIVERSIDAD PRIVADA TELESUP
Nótese que son los mismos valores calculados para el ejemplo 1 de línea de regresión
lineal.
44
UNIVERSIDAD PRIVADA TELESUP
Lecturas Recomendadas
❖ SOFTWARE GRATUITO EASYREG INTERNATIONAL
http://www.icesi.edu.co/~jcalonso/ER/index.php
Actividades y Ejercicios
45
UNIVERSIDAD PRIVADA TELESUP
Actividades y Ejercicios
• Estimar la relación entre GPA y ACT empleando MCO; es decir, obtener los valores
estimados del término constante y de la pendiente en la ecuación
GPA = a + b*ACT
Comentar la dirección de la relación e interpretar los parámetros
• Calcular los valores ajustados y los residuos para cada observación y comprobar que
los residuos suman cero (aproximadamente)
• Estimar el valor predicho para GPA cuando ACT=20
• Interpretar el coeficiente de correlación
2. Ingresa al link “Ajuste Lineal Simple” lee atentamente las indicaciones, desarróllalo
y envíalo por el mismo medio.
Las estaturas y pesos de 10 jugadores de baloncesto de un equipo son:
Estatura
186 189 190 192 193 193 198 201 203 205
(X)
Pesos
85 85 86 90 87 91 93 103 100 101
(Y)
46
UNIVERSIDAD PRIVADA TELESUP
Autoevaluaciones
1) ¿Cuál de las siguientes oraciones NO es verdadera?
a. El punto X barra, Ybarra siempre se encuentra en la recta de regresión
b. La suma de los residuos es siempre cero
c. La media de los valores ajustados de Y es el mismo que los valores
observados de Y
d. Siempre hay tantos puntos por encima de la línea de ajuste, como los que hay
debajo de ella
e. La línea de regresión minimiza la suma de los cuadrados de los residuos
47
UNIVERSIDAD PRIVADA TELESUP
e. El valor real de Y, dado X, se supone que son los puntos de la línea recta
estimada por la fórmula X=B1 + B2*Y.
48
UNIVERSIDAD PRIVADA TELESUP
10) R2 mide
a. La suma de los cuadrados se explica como un porcentaje de la suma total de
cuadrados
b. La correlación entre X e Y
c. La cantidad de variación en Y
d. La covarianza entre X e Y
e. La suma residual de los cuadrados como proporción de la suma total de
cuadrados
49
UNIVERSIDAD PRIVADA TELESUP
Resumen
UNIDAD DE APRENDIZAJE I:
La medida más representativa para evaluar la relación existente entre dos variables
continuas es la correlación. Este término implica un tipo de asociación en que la
relación es monotónica, es decir, va en una sola dirección e implica que cuanto crece
un factor, crece el otro, o inversamente, decrece. La correlación lineal evalúa en qué
medida la relación puede ser resumida en una línea recta. Los coeficientes de
correlación no paramétricos, como el coeficiente de correlación de rango de
Spearman, evalúan en qué medida dos factores están correlacionados pero sin tener
en cuenta la magnitud del cambio en uno que acompaña el cambio en el otro, sólo
considera la dirección del cambio.
50
UNIVERSIDAD PRIVADA TELESUP
51
UNIVERSIDAD PRIVADA TELESUP
Introducción
a) Presentación y contextualización
Los temas que se tratan en la presente unidad temática tienen por finalidad que el
estudiante conozca el análisis de regresión múltiple; este tipo se presenta cuando
dos o más variables independientes influyen sobre una variable dependiente.
b) Competencia
Reconoce las técnicas de regresión múltiple más apropiadas para analizar un
conjunto de datos con múltiples relaciones.
c) Capacidades
d) Actitudes
52
UNIVERSIDAD PRIVADA TELESUP
Justificación
TEMA 1
de la
Regresión
Múltiple
Competencia:
Identificar a la regresión múltiple como un
sistema de ecuaciones.
53
UNIVERSIDAD PRIVADA TELESUP
Desarrollo de los Temas
Tema 01: Justificación de la Regresión Múltiple
REGRESIÓN:
54
UNIVERSIDAD PRIVADA TELESUP
Y= vida de la herramienta
X1= rapidez de corte
X2=ánulo de corte
y1
Y= .
y
n
x11 . x1k
X= . . .
x
n1 . xnk
1 1
= . ; = .
n k
55
UNIVERSIDAD PRIVADA TELESUP
y1 x11 . x1k 1 1
=
. . . . . + .
y x
n n1 . xnk k n
56
UNIVERSIDAD PRIVADA TELESUP
Estimadores TEMA 2
del Método
de Mínimos
Cuadrados Ordinarios
Competencia:
Analizar el modelo de regresión múltiple
para estimar los coeficientes de regresión.
57
UNIVERSIDAD PRIVADA TELESUP
Operando:
ˆT ˆ
2 X T Y 2 X T X ˆ 0
ˆ
z T w zT Az
w ; 2 Az
z z
siendo z y w dos vectores de tamaño compatible y A una matriz cuadrada. La
solución analítica a las condiciones de primer orden es:
X T X ˆ X T Y
58
UNIVERSIDAD PRIVADA TELESUP
Este es un sistema de k ecuaciones con k incógnitas ( ˆ1 , ˆ2 ,..., ˆk ), llamado
ˆ ( X T X )1 X T Y
1
Prueba: Denotando por W ( X X ) X ,
T T
59
UNIVERSIDAD PRIVADA TELESUP
var(ˆ ) 2 ( X T X )1
Esta es la expresión de la mínima varianza de un estimador lineal e insesgado
de
60
UNIVERSIDAD PRIVADA TELESUP
ˆ t
2
ˆT ˆ
ˆ
2 t 1
nk nk
E (ˆT ˆ) (n k ) 2 .
ˆ Y Yˆ Y X ˆ Y X ( X T X )1 X T Y [ I X ( X T X )1 X T ]Y MY
donde la matriz M de tamaño (n n) es la llamada matriz de proyección que tiene
propiedades importantes: (1) es simétrica, (2)
idempotente ,(3) no tiene inversa y (4) es
ortogonal a la matriz X , es decir, MX 0 .
A partir de la relación anterior y de las
propiedades de la matriz M , se obtiene:
ˆ MY M ( X ) M . Por tanto,
siempre que se desee la suma de cuadrados de los residuos se puede escribir
como una forma cuadrática:
ˆT ˆ T M
Finalmente, la esperanza de esa suma es igual a:
61
UNIVERSIDAD PRIVADA TELESUP
(1) ˆ ( X X ) X Y
T 1 T
ˆT ˆ
(2) ˆ 2
nk
ˆ ˆ ) ˆ ( X X )
(3) var(
2 T 1
yt 8.04 6.95 7.58 8.81 8.33 9.96 7.24 4.26 10.84 4.82 5.68
xt 10 8 13 9 11 14 6 4 12 7 5
62
UNIVERSIDAD PRIVADA TELESUP
n
XT X
x 11
t 99
xt x 99
2
t 1001
yt 82.51
X TY
yt xt 797.60
ˆ1 11 99 1 82.51 1 1001 99 82.51 3
ˆ
ˆ2 99 1001 797.60 1210 99 11 797.60 0.5
11 ˆ t
2
14
SR ˆt2 14; ˆ 2 t 1
1.55
t 1 nk 11 2
Por último, la estimación de la matriz de varianzas y covarianzas del estimador
MCO de 1 y 2 es:
ˆ ˆ1 ) cov(
var( ˆ ˆ1ˆ2 ) 1.55 1001 99 1.27 0.13
ˆ ˆ ) ˆ 2 ( X T X )1
var(
ˆ ˆ2 ) 1210 99 11 0.13 0.014
ˆ ˆ1ˆ2 ) var(
cov(
Hay que distinguir las propiedades algebraicas del criterio MCO dependiendo de si
el modelo incorpora o no un término constante. El sistema de ecuaciones normales
para un modelo con término constante tiene la siguiente estructura:
X T X ˆ X T Y
o bien:
63
UNIVERSIDAD PRIVADA TELESUP
n x x x ˆ1 yt
ˆ
t2 t3 tk
. x 2
t2 x x
t2 t3 x x t 2 tk 2
xt 2 yt
. . . . . .
. . . xtk2 ˆk xtk yt
La primera ecuación del sistema de ecuaciones normales de un modelo con
término constante es:
iT X ˆ iT Y
donde i
T
es un vector fila unitario de tamaño n ; iT 1 1 . 1 . A partir de esta
primera ecuación que cumple el criterio MCO es fácil derivar algunas propiedades
algebraicas:
iT X ˆ iT Y iT (Y X ˆ ) 0 iT (Y Yˆ ) 0 iT ˆ 0 ˆt 0
iT X ˆ iT Y iT Yˆ iT Y yˆt yt
Propiedad 3. En el MLG con o sin término constante estimado por MCO, los
residuos son ortogonales a las variables explicativas, es decir:
n
X T ˆ 0 . En términos escalares, x ˆ
t 1
ti t 0, i 1, 2,..., k .
64
UNIVERSIDAD PRIVADA TELESUP
X T X ˆ X T Y X T (Y X ˆ ) 0 X T ˆ 0
Propiedad 4. En el MLG con o sin término constante estimado por MCO, los
Yˆ T ˆ 0 ( X ˆ )T ˆ 0 ˆ T X T ˆ 0
teniendo en cuenta la propiedad 3 de ortogonalidad entre los residuos y los
regresores.
Propiedad 5. En el MLG con o sin término constante estimado por MCO, la suma
de cuadrados de la variable endógena real es igual a la suma de cuadrados de la
variable ajustada más la suma de cuadrados de residuos, es decir:
y yˆ ˆ
t 1
2
t
t 1
2
t
t 1
t
2
.
ˆT ˆ (Y X ˆ )T (Y X ˆ ) Y T Y 2ˆ T X T Y ˆ T X T X ˆ
Sustituyendo en el último sumando la expresión analítica del estimador MCO de
:
65
UNIVERSIDAD PRIVADA TELESUP
( y y ) ( yˆ y ) ˆ
t
2
t
2
t
2
y operando y ny yˆ ny ˆ
2 2 2 2 2
t t t , que se corresponde con la propiedad
Es decir, dividiendo por n , indica que de toda la variabilidad que hay que explicar
de la endógena (ST), hay una parte captada por el modelo (SE) y otra parte que no
puede ser explicada (SR). Si el modelo ajusta perfectamente la SR=0 y la ST=SE.
Si el modelo no explica nada, la SE 0 y la ST SR .
66
UNIVERSIDAD PRIVADA TELESUP
Correlación TEMA 3
Múltiple
Competencia:
Explicar la medida que establece un grado
de asociación en correlación múltiple.
67
UNIVERSIDAD PRIVADA TELESUP
CORRELACIÓN MÚLTIPLE
El R 2 es muy fácil de calcular y muy usado, pero hay que tener en cuenta que
tiene problemas.
68
UNIVERSIDAD PRIVADA TELESUP
Problemas del R 2 .
En primer lugar, puede ser engañoso mirar sólo el R 2 sin mirar los datos.
Muchas veces, el R 2 es muy alto en relaciones espúreas. El ejemplo más
famoso en la literatura econométrica es la relación entre el Nº de nacimientos
en un año en los EEUU y el Nº de cigueñas en ese mismo año y estados. La
estimación del modelo que explica el Nº de nacimientos en función del Nº de
cigueñas proporciona un R 2 muy elevado y esto sabemos que es espúreo.
La razón es que en ese año la correlación muestral entre ambas variables
fue muy alta y aunque no hay ninguna relación causal entre ambas, el
coeficiente de determinación es bueno, pero engañoso.
69
UNIVERSIDAD PRIVADA TELESUP
ˆ ci
Ct aˆ bY ˆ t ˆt ; R 2 0.87
t
Derivación del R 2 :
Se obtiene a partir del R 2 convencional
SR SR / n
R2 1 1
ST ST / n
donde dividiendo por n la Suma Residual y la Suma Total, esta medida se puede
interpretar como un ratio de varianzas. Implantando la restricción de que los
estimadores de las varianzas residual y de la variable endógena sean insesgados,
se obtiene el R 2 corregido de los grados de libertad:
SR / n k n 1
R2 1 1 (1 R 2 )
ST / n 1 nk
70
UNIVERSIDAD PRIVADA TELESUP
La estimación por MCO de todos los parámetros hace que podamos recuperar
yt yˆt ˆt ˆ0 ˆ1 xt1 ˆ2 xt 2 ... ˆk xtk ˆt (2)
y
t 1
t nˆ0 ˆ1 xt1 ˆ2 xt 2 ... ˆk xtk ˆt
t 1 t 1 t 1 t 1
(3)
71
UNIVERSIDAD PRIVADA TELESUP
la muestra siguiente:
t 1 2 3 4 5 6 7 8
yt 10 25 32 43 58 62 67 71
xt1 1 3 4 5 7 8 10 10
xt 2 0 -1 0 1 -1 0 -1 2
Se pide:
a) Estimar por MCO el modelo usando datos en desviaciones con respecto a la
media.
b) Calcular la matriz de varianzas del estimador MCO de las pendientes del
modelo.
c) Calcular el coeficiente de determinación del modelo.
d) Comprobar que todos los resultados coinciden con los que se hubieran
obtenido usando datos originales.
1
ˆ1 ( xt1 x1 )2
( x x )( x x ) ( y y )( x
t1 1 t2 2 t t1 x1 )
ˆ2 . ( x x ) ( y y )( x
t2 2
2
t t 2 x2 )
72
UNIVERSIDAD PRIVADA TELESUP
ˆ
2 . (x x )
t2 2
2
donde:
( yt y )( xt1 x1 )
( y y) 2
ˆ1 ˆ2
( yt y )( xt 2 x2 ) 17.14 .
t
ˆ 2
nk
Por tanto:
ˆ 17.14 8 5 0.23 0.15
varˆ 1
2 583 5 76 0.15 2.23
ˆ
73
UNIVERSIDAD PRIVADA TELESUP
R 1
2 ˆ t
2
1
85.7
0.975
(y t y) 2
3408
Obsérvese que cuando los datos están en desviaciones, la Suma Total (ST)
del modelo es directamente la suma de cuadrados de los valores de la
endógena.
Y X X1 X 2 1 X 11 X 2 2
2
Y X11 V donde V X 2 2
El estimador MCO de los parámetros asociados a las variables incluidas es:
ˆ1 ( X1T X1 )1 X1T Y 1 ( X1T X1 )1 X1T X 2 2 ( X1T X1 )1 X1T
y tomando esperanzas, se observa
que es un estimador sesgado, a no
74
UNIVERSIDAD PRIVADA TELESUP
Aunque ˆ1 es un estimador sesgado, tiene una varianza más pequeña que este
75
UNIVERSIDAD PRIVADA TELESUP
76
UNIVERSIDAD PRIVADA TELESUP
Componentes
TEMA 4
de las
Varianzas MCO:
Multicolinealidad
Competencia:
Conocer los problemas que se pueden
presentar en la multicolinealidad.
77
UNIVERSIDAD PRIVADA TELESUP
MULTICOLINEALIDAD EN EL MLG
modelo de regresión yt 1 2 xt 2 3 xt 3 t
determinante numéricamente es distinto de cero y por tanto, existe una única solución
para las ecuaciones normales. No obstante, la multicolinealidad de grado tiene una
serie de efectos perniciosos sobre las estimaciones MCO de los parámetros:
78
UNIVERSIDAD PRIVADA TELESUP
Adj ( X T X )
ˆ ˆMCO ) ˆ 2 ( X T X )1 ˆ 2
var(
XT X
ˆi
t tn k
ˆ ˆi )
var(
R2 / k 1
F
(1 R 2 ) / n k
79
UNIVERSIDAD PRIVADA TELESUP
correlación simple entre xti y xtj . Si hacemos esto para los k regresores del
1 r12 . r1k
r 1 . r2 k
R 21
. . 1 .
rk1 rk 2 . 1
80
UNIVERSIDAD PRIVADA TELESUP
entre las exógenas, por ejemplo, del tipo: xt1 xt 2 xt 3 y esto nunca lo
81
UNIVERSIDAD PRIVADA TELESUP
max
N º de condicion
min
No hay una regla analítica para decidir a partir de qué número de condición
empezamos a tener problemas graves de multicolinealidad. Existen reglas
heurísticas como que un número de condición mayor que 20 ó 25, ya sugiere la
presencia de alta colinealidad.
82
UNIVERSIDAD PRIVADA TELESUP
2.4.4. EJERCICIOS
83
UNIVERSIDAD PRIVADA TELESUP
Yi = 1 + 2 X2i + 3 X3i + ui
del que se conocen los siguientes resultados:
50,772
b2 = X '
2 C X 2C1 4,245 0,031
0,009
3,257
Se pide:
a) Estimar el modelo propuesto por MCO. Interpretar los resultados
obtenidos.
b) Obtener una medida de la bondad del ajuste
c) ¿Considera usted relevante el número medio de turistas en la explicación
del grado de ocupación hotelera?
d) Un estudio alternativo plantea la posibilidad de explicar el grado de
ocupación hotelera incluyendo además dos nuevas variables explicativas:
nivel medio de renta de las comunidades autónomas (X4) y una variable
de localización geográfica (X5). De esta estimación se conocen los
siguientes resultados:
Solución Ejercicio 1
84
UNIVERSIDAD PRIVADA TELESUP
5 11 12 14
X'X ¿? 29 X 'Y 35 y 2 8.8 Y 2 48
32 37
Con los datos anteriores y para conocer mejor el comportamiento del sector, analice
las siguientes cuestiones:
85
UNIVERSIDAD PRIVADA TELESUP
Solución Ejercicio 2
SCE = 3.1985
Fuente de Grados de
Suma de Cuadrados Cuadrados Medios
Variación libertad
~~~
Cte, X 3 SCE(*) 3.6125
r-1=1
X2
~~~
SCE SCE SCE 6.811 3.6125 3.1985 s=1 SCE 3.1985
s 1
n k
SCR 1.989
Residuos SCR e' e 1.989 n-k=5-3=2 5 3
86
UNIVERSIDAD PRIVADA TELESUP
5 1
c) Modelo inicial R 2 = 0.547954 R 2 1 (1 0.773977) 0.547954
53
5 1
d) Modelo alternativo R 2 = 0.84; R 2 1 (1 0.96) 0.84
54
Por tanto la especificación alternativa es preferible a la original
y la siguiente información: n 10
2
Yt 15 Yt Y 2.5 Yt X2t 2.8
Yt X3t 4.1
87
UNIVERSIDAD PRIVADA TELESUP
Solución Ejercicio 3
S 2y 2 R 2 0.95
Dado el modelo:
Yi 1 2 X 2i 3 X 3i ui
H0 : 3 1 35
a) Contraste la siguiente hipótesis:
2 2 180
88
UNIVERSIDAD PRIVADA TELESUP
Solución Ejercicio 4
Cálculos previos:
H0 : 3 1 35
a) Fexp= 2.581 Ftco: F2,2 =19
2 2 180
R 0 1 1 r 0 Rb r 19.5
Y 0 1 X1 2 X 2
El objetivo es ajustar un modelo de la forma estimando los
parámetros correspondientes
0 , 1 , 2 y calcular el coeficiente de
2
determinación R
Procedimiento:
89
UNIVERSIDAD PRIVADA TELESUP
90
UNIVERSIDAD PRIVADA TELESUP
Note que debe estar activada la casilla de Herramientas para Análisis, luego Aceptar
Después de instalar la Herramientas de Análisis de Datos, en lo sucesivo bastará con
elegir en Datos, el ícono Análisis de Datos que se mostrará a la derecha del menú
91
UNIVERSIDAD PRIVADA TELESUP
Debe elegir la Función de Regresión, y completar las celdas que indica la siguiente
pantalla
92
UNIVERSIDAD PRIVADA TELESUP
La interpretación sería::
Intercepción =
0 =-8.894737
Variable X1 =
1 = 0.3684211
Variable X1 =
2 = 0.7894737
Es decir la ecuación de regresión múltiple ajustada es: Y 8.8947 0.3684 X1 0.7895 X 2
93
UNIVERSIDAD PRIVADA TELESUP
Tamaño de la muestra n = 6
Número de variables k=3 (Y, X1, X2)
R2 = 1- (1.368421053 / 63.33333333) = 61.96491228 / 63.33333333 = 0.9784
94
UNIVERSIDAD PRIVADA TELESUP
Lecturas Recomendadas
❖ REGRESION MULTIPLE
http://halweb.uc3m.es/esp/Personal/personas/emolanes/esp/archivos/EstII/Reg-
multiple.pdf
Actividades y Ejercicios
Y X1 X2 X3
Año Demanda Precio Ingreso Subsidio
1 40 9 400 10
2 45 8 500 14
3 50 9 600 12
4 55 8 700 13
5 60 7 800 11
6 70 6 900 15
7 65 6 1000 16
8 65 8 1100 17
9 75 5 1200 22
10 75 5 1300 19
11 80 5 1400 20
12 100 3 1500 23
13 90 4 1600 18
14 95 3 1700 24
15 85 4 1800 21
95
UNIVERSIDAD PRIVADA TELESUP
Actividades y Ejercicios
Y X1 X2 X3
Ord Ventas Promoción Competencia Sustitutos
(miles $) (Miles $) (Grado (número
rivalidad) productos)
1 79.3 2.5 10 3
2 200.1 5.5 8 6
3 163.2 6.0 12 9
4 200.1 7.9 7 16
5 146.0 5.2 8 15
6 177.7 7.6 12 9
7 30.9 2.0 12 8
8 291.9 9.0 5 10
9 160.0 4.0 8 4
10 339.4 9.6 5 16
11 159.6 5.5 11 7
12 86.3 3.0 12 6
13 237.5 6.0 6 10
14 107.2 5.0 10 4
15 155.0 3.5 10 4
96
UNIVERSIDAD PRIVADA TELESUP
Autoevaluaciones
1) Para una muestra de 10 personas disponemos de información respecto a su
grado de extroversión, y se desea evaluar su posible relación lineal con la
dimensión de personalidad estabilidad emocional. Ambas variables se han
medido con un test y se han obtenido las puntuaciones para cada sujeto en
una escala de 0 a 10. Los valores obtenidos se presentan en la siguiente
tabla:
Sujetos X: Grado de Y:
Extroversión Estabilidad
Emocional
1 5 6
2 10 6
3 4 3
4 7 8
5 6 6
6 5 3
7 4 5
8 4 9
9 4 10
10 3 9
Y 16 10 6 16 17 14 16 18
¿Cuál es la pendiente?
a. 0.2096
b. 0.6137
c. 0.3766
d. -7.4618
e. 1.7968
3) Supongamos que queremos estimar el efecto de los ingresos del hogar en el
gasto en alimentos. El tamaño del hogar también tiene un efecto sobre el
gasto en alimentos, pero omite el tamaño de la ecuación por falta de datos.
Supongamos que tanto el ingreso y el tamaño de tener efectos positivos
97
UNIVERSIDAD PRIVADA TELESUP
a. x i2 i y 0
.
b. x i3 i yˆ 0
.
c. x i 2 i3x 0
.
d. x i2 i ˆ 0
.
yˆ y yi y ˆi2
2 2
i
e. .
ˆ
5) La varianza del estimador de mínimos cuadrados la pendiente j es menor,
y por lo tanto el verdadero valor de j se calcula con mayor precisión,
a. Cuanto menor sea el tamaño de la muestra.
b. Cuanto menor es la varianza del término de error 2.
c. Cuanto menor sea la variación de los valores Xij alrededor de la media de la
x
muestra j .
d. xij la más estrechamente relacionada está con los otros regresores.
e. Cuanto mayor sea el tamaño de la muestra.
98
UNIVERSIDAD PRIVADA TELESUP
a. Estarán sesgadas.
b. Serán inconsistentes.
c. Tendrá grandes errores estándar.
d. Será cero.
e. No se puede calcular.
8) La ecuación
yi = 5.6 + 0.7 xi2 + 1.2 xi3
Implica que, manteniendo xi3 constante, un aumento de una unidad en xi2
hará que yi aumente en alrededor de
a. 5.6 unidades.
b. 0,7 unidades.
c. 1,2 unidades.
d. 6.3 unidades.
e. 1,9 unidades.
9) La ecuación
yi = 2.0 + 1.5 xi2 + 0.3 xi22
99
UNIVERSIDAD PRIVADA TELESUP
Resumen
UNIDAD DE APRENDIZAJE II:
Definimos una de las variables (sobre la que queremos hacer predicciones) como
dependiente y el resto como independientes. Esta opción calcula la recta de regresión
de Y sobre
X 1 , X 2 ,..., X n . Además de los coeficientes de la recta de regresión,
2
obtenemos el coeficiente de determinación, R y el coeficiente de determinación
ajustado. Al igual que en el caso anterior, se obtienen las estimaciones del modelo y
los contrastes sobre los coeficientes de regresión, además de la tabla de análisis de la
varianza para el modelo.
variables 1 2
X , X ,..., X
n
En general cuando se ajusta un modelo estadístico a una nube de puntos, una medida
de la bondad del ajuste es el coeficiente de determinación.
100
UNIVERSIDAD PRIVADA TELESUP
101
UNIVERSIDAD PRIVADA TELESUP
Introducción
a) Presentación y contextualización
Los temas que se tratan en la presente unidad temática tienen por finalidad, que el
estudiante realice la estimación de un modelo lineal con más de una variable
independiente, aplicando el método de mínimos cuadrados ordinarios. Haciendo
esencial el aprendizaje de estos temas que se verán a continuación para que el
profesional llegue a formarse con éxito, y además pueda desempeñar un rol más
activo en la su empresa.
b) Competencia
Comprende el problema de Heteroscedasticidad en el análisis de datos,
proponiendo alternativas de solución.
c) Capacidades
d) Actitudes
✓ Asume una actitud crítica frente al problema de varianza en los residuos.
✓ Valora la importancia de la solución del problema de Heteroscedasticidad.
✓ Apoya la investigación de la importancia de una buena proyección de datos en
la estimación de cuadrados ponderado.
102
UNIVERSIDAD PRIVADA TELESUP
Consecuencias
de la TEMA 1
Heteroscedasticidad
para los
Estimadores MCO
Competencia:
Reconocer los métodos y procedimientos
adecuados para los estudios de
administración y organización.
103
UNIVERSIDAD PRIVADA TELESUP
Desarrollo de los Temas
Tema 01: Consecuencias de la
Heteroscedasticidad para los Estimadores
MCO
LA NATURALEZA DE LA HETEROSCEDASTICIDAD
Gráfica 1
104
UNIVERSIDAD PRIVADA TELESUP
Existen varias razones para que las varianzas de u sean variables, entre las más
importantes destacan:
1. Siguiendo los modelos de aprendizaje por
errores, a medida que la gente aprende, sus
errores en el comportamiento van
disminuyendo en el tiempo, en este caso se
espera que 2 disminuya.
2. A medida que los ingresos aumentan la
gente tiene más ingreso discresional y por lo
tanto más oportunidad para elegir como disponer de sus ingresos. De este modo
2 tiende a aumentar con el ingreso por lo cual, en la región del ahorro contra el
ingreso es muy factible encontrar que 2 aumente con el ingreso, por lo que se
tiene gráfica 2.
CONSECUENCIAS DE LA HETEROSCEDASTICIDAD
105
UNIVERSIDAD PRIVADA TELESUP
106
UNIVERSIDAD PRIVADA TELESUP
Gráfica 3
107
UNIVERSIDAD PRIVADA TELESUP
Contrastes TEMA 2
de
Heteroscedasticidad
Competencia:
Identificar la presencia del problema de
heteroscedasticidad.
108
UNIVERSIDAD PRIVADA TELESUP
PRUEBAS DE HETEOSCEDASTICIDAD
A. CONTRASTES GRÁFICOS
A.1) Gráfica del error a través de las distintas observaciones del modelo
109
UNIVERSIDAD PRIVADA TELESUP
10 6
4
5
2
0 0
-2
-5
-4
-10 -6
1 3 5 7 9 11 13 15 17 19 1 3 5 7 9 11 13 15 17 19
En ambos, la mera evolución del tiempo está correlacionada con valores cada vez
mayores (izquierda) del error o cada vez menores (derecha), con lo que el cálculo de
la varianza por subperíodos arrojaría valores significativamente diferentes; es decir la
serie del error sería heterocedástica. Evidentemente, este tipo de gráficos SÓLO tiene
sentido si el modelo es temporal ya que, en el caso
del modelo transversal, la ordenación de valores del
eje “X” dependerá del criterio elegido para ordenar
la muestra, un criterio que puede no coincidir con
el patrón de crecimiento o decrecimiento de la
varianza.
A.2) Gráfica del valor cuadrático del error y los valores de “Y” y “X’s”
B. CONTRASTES NUMÉRICOS
110
UNIVERSIDAD PRIVADA TELESUP
1. Estimar el modelo original por MCO, determinando la serie de los errores. Escrito
esto en forma matricial para un modelo con "n" observaciones y "k" variables
explicativas:
Y X U
ˆ X ' X 1 X ' Y
Yˆ Xˆ
e Y Yˆ
111
UNIVERSIDAD PRIVADA TELESUP
2
3. El valor de la Re de este segundo modelo (paso 2) nos dirá si las variables
elegidas sirven o no para estimar la evolución variante del error al cuadrado,
representativo de la varianza estimada de las perturbaciones aleatorias.
Evidentemente, si la varianza de éstas fuera constante (homocedasticidad), el
carácter no constante de las variables explicativas implicadas en el modelo no
2
serviría para explicar la endógena, luego la Re debiera ser muy pequeña.
2
En principio, la Re , como proporción de la varianza de
la endógena real que queda explicada por la estimada,
debiera ser muy pequeña si la capacidad explicativa de
los regresores considerados también es muy pequeña,
siendo estos regresores, por su construcción,
representativos de varianzas y covarianzas de todas las explicativas del modelo
original. Dicho esto, evidentemente un valor de la R2 suficientemente pequeño servirá
para concluir que no existe heterocedasticidad en el modelo producida por los valores
de las explicativas consideradas en el modelo inicial. Para encontrar el valor crítico en
esa consideración de “suficientemente pequeño” se emplea la expresión deducida por
Breusch y Pagan como producto del coeficiente R2 por el número de datos del modelo,
que se distribuiría del siguiente modo: n·Re2 p 1
2
En definitiva, si obtenemos un valor del producto n·Re mayor que el reflejado por
112
UNIVERSIDAD PRIVADA TELESUP
113
UNIVERSIDAD PRIVADA TELESUP
Estimación
TEMA 3
de Mínimos
un
Cuadrados
Ponderados
Competencia:
Determinar el método para reducir el
problema de heteroscedasticidad.
114
UNIVERSIDAD PRIVADA TELESUP
Existe un método para estimar las varianzas de los errores en cada punto de muestra
y corregir los estimadores por MCO. El método es atribuible a White, y se conoce
como corrección de la matriz de varianzas y covarianzas de White (White’s
heteroscedasticity-corrected variances). El método usa los estimadores (ineficientes)
por MCO pero ajusta las varianzas para que sean válidas en la inferencia. El método
115
UNIVERSIDAD PRIVADA TELESUP
Ejemplo 1
Solución
En el análisis de datos, además del estudio de regresión, se ha añadido el
gráfico de residuos
116
UNIVERSIDAD PRIVADA TELESUP
5
Residuos
0
0 200 400 600 800 1000
-5
-10
Ingreso
117
UNIVERSIDAD PRIVADA TELESUP
40
30
Gasto
20 Gasto
10 Lineal (Gasto)
0
0 200 400 600 800 1000
Ingreso
118
UNIVERSIDAD PRIVADA TELESUP
Revisión TEMA 4
del
Modelo
un
Lineal
Competencia:
Conocer los datos de la regresión sin
heteroscedasticidad.
119
UNIVERSIDAD PRIVADA TELESUP
120
UNIVERSIDAD PRIVADA TELESUP
121
UNIVERSIDAD PRIVADA TELESUP
Suponga que una materia prima importante usada en el proceso de producción está
sujeta a imprevisibilidad en su suministro. El efecto que esto tiene es que cuando la
materia prima es escasa el producto desciende (aunque la firma no cambia trabajo ni
capital) y cuando la materia prima es abundante el producto aumenta. El fabricante se
las arregla con este problema acumulando niveles relativamente grandes del producto
terminado para que la demanda pueda ser cubierta durante los períodos de escasez
de materia prima reduciendo existencias. En los períodos de
abundancia recompone stocks.
t f ( t 1 )
t t 1 ut
7.3
Dónde ; es un parámetro a estimar es un término de error adicional que
suponemos iid
122
UNIVERSIDAD PRIVADA TELESUP
Las expresiones convencionales para las variancias de los estimadores por MCO
serán sesgadas y por lo tanto, toda hipótesis de prueba será inválida. En particular la
presencia de autocorrelación serial sesga negativamente las varianzas de los
estimadores, generando estadísticos t artificialmente altos.
Rezagando la ecuación del modelo un período, multiplicando por rho y restándo esta
nueva ecuación de la original tenemos:
Yt Yt 1 (1 ) ( X t X t 1 ) t t 1
Note que:
t t 1 ut
A partir del modelo original pueden recuperarse los errores y obtener una estimación
de rho. Esta estimación se utiliza para redefinir las variables:
Wt Yt Yt 1 7.14
123
UNIVERSIDAD PRIVADA TELESUP
Vt X t X t 1
Luego Wt puede ser corrido contra Vt , donde el coeficiente de Vt será una estimación
del , y también es posible recuperar a partir de la constante dividida 1 .
Lecturas Recomendadas
❖ ECONOMETRÍA
http://es.wikipedia.org/wiki/Econometr%C3%ADa
❖ CRIOMETRÍA
http://es.wikipedia.org/wiki/Cliometr%C3%ADa
Actividades y Ejercicios
Actividades y Ejercicios
Autoevaluación
1) Resultará imposible observar directamente la presencia de ____________
a. Heterocedasticidad.
b. Multicolinealidad.
c. Los errores de correlación serial.
d. Endogeneidad de regresores.
e. Mínima varianza.
a. E(i|xi1,xi2,…,xiK) = 0.
b. Homoscedasticidad: Var(i) = 2 ,es una constante.
126
UNIVERSIDAD PRIVADA TELESUP
127
UNIVERSIDAD PRIVADA TELESUP
c. 25.
d. 28.
e. 30.
Resumen
UNIDAD DE APRENDIZAJE III:
Recordemos que uno de los supuestos del MCO es que la distribución del término de
error en cada punto de la distribución es idéntica. Típicamente, se supone que la
2
distribución es normal con media cero y varianza constante . Si este supuesto se
cumple, entonces el término de error se dice homoscedástico. Si la variancia del
término de error cambia entre puntos de la muestra causa el problema de
heteroscedasticidad, y los términos de error serán heteroscedásticos.
Por lo tanto, si los términos de error son heteroscedasticos una de las suposiciones del
modelo de regresión básico es violada, y tenemos que determinar qué implica para
nuestra estimación y para la evaluación de hipótesis.
128
UNIVERSIDAD PRIVADA TELESUP
129
UNIVERSIDAD PRIVADA TELESUP
Introducción
a) Presentación y contextualización
Los temas que se tratan en la presente unidad temática tienen por finalidad que el
estudiante analice la función de autocorrelación, que es la correlación entre
miembros de series de observaciones ordenadas en el tiempo o en el espacio. El
modelo de regresión lineal supone que no debe existir autocorrelación en los
errores, es decir, el término de perturbación relacionado con una observación
cualquiera no debería estar influenciado por el término de perturbación relacionado
con cualquier otra observación.
b) Competencia
Determina los principales procesos de Autocorrelación, planteando
soluciones en el análisis de datos.
130
UNIVERSIDAD PRIVADA TELESUP
c) Capacidades
d) Actitudes
Consecuencias
de la
TEMA 1
Autocorrelación
para los
Estimadores MCO
131
UNIVERSIDAD PRIVADA TELESUP
Competencia:
Identificar y diferenciar los patrones de
autocorrelación presentes en un modelo de
estimación lineal.
Un supuesto importante del modelo clásico lineal presentado en el inicio del curso es
que no hay autocorrelación o correlación serial entre las perturbaciones i
consideradas dentro de la función de regresión poblacional. En este
apartado, se examinara en forma crítica este supuesto con el fin de
buscar respuestas a las siguientes preguntas:
132
UNIVERSIDAD PRIVADA TELESUP
133
UNIVERSIDAD PRIVADA TELESUP
u,u u,u
4 6
2 4
0 2
0 5 10 15 20
-2
0
-4 0 2 4 6 8 10 12 14 16 18 20
134
UNIVERSIDAD PRIVADA TELESUP
u,u u,u
5 3
4 2
3
1
2
0
1
0 -1 0 2 4 6 8 10 12 14 16 18 20
0 2 4 6 8 10 12 14 16 18 20 -2
u,u
4
0
0 2 4 6 8 10 12 14 16 18 20
-2
-4
Ilustración 5e)
DETECCION DE LA AUTOCORRELACIÓN
135
UNIVERSIDAD PRIVADA TELESUP
La prueba más conocida para detectar correlación serial es la desarrollada por los
estadísticos Durbin y Watson. Es comúnmente conocida como el estadístico d de
Durbin- Watson. El cual se define como:
d = ( ut – u t-1)2 / u2t
136
UNIVERSIDAD PRIVADA TELESUP
Puesto que u2t y u2t-1 difieren solo en una observación, estos son aproximadamente
iguales. Por consiguiente, haciendo u2t-1 = u2t
puede escribirse como:
d 2[1 – (utut-1/ u2t)]
137
UNIVERSIDAD PRIVADA TELESUP
d 2 (1 – p)
Estos son los límites de d; cualquier valor d estimado debe caer dentro de estos
límites.
Cuadro 1.
138
UNIVERSIDAD PRIVADA TELESUP
Cuadro 2
139
UNIVERSIDAD PRIVADA TELESUP
Contraste TEMA 2
de 140
UNIVERSIDAD PRIVADA TELESUP
Autocorrelación
Competencia:
Reconocer la presencia del problema de
autocorrelación.
PRUEBAS DE AUTOCORRELACIÓN
141
UNIVERSIDAD PRIVADA TELESUP
La prueba clásica es el test d de Durbin y Watson, para el cual las hipótesis son:
H 0 : el error es iid.
El estadístico de prueba:
n
(e t et 1 ) 2
d t 2
n
e
t 1
2
t
( t t 1 ) 2
t 2
n
t 1
t
2
142
UNIVERSIDAD PRIVADA TELESUP
se acepta
Si d esta en entre d L y d U el resultado es inconclusivo o de duda.
hay autocorrelación).
Si d está en un valor intermedio, el resultado es de duda.
Solución a la TEMA 3
Autocorrelación 143
UNIVERSIDAD PRIVADA TELESUP
con Regresores
Competencia:
Analizar los métodos para reducir los
problemas presentados en la autocorrelación.
MEDIDAS REMÉDIALES
144
UNIVERSIDAD PRIVADA TELESUP
Donde I p I < 1 y donde las t siguen los supuestos mínimos cuadrados de valor
esperado cero, varianza constante y no autocorrelación. Si se supone la validez de la
anterior ecuación, el problema de correlación serial puede ser resuelto
satisfactoriamente si se conoce p, el coeficiente de autocorrelación. Para esto se tiene
en cuenta el modelo con dos variables,
Yt = + xt + t
145
UNIVERSIDAD PRIVADA TELESUP
Y*t = * + *X*t + t
146
UNIVERSIDAD PRIVADA TELESUP
diferencia, lo cual se logra restando una proporción (= p) del valor de una variable en
el periodo de tiempo anterior de su valor en el periodo de tiempo actual. En este
procedimiento de diferenciación se pierde una observación, puesto que la primera
observación no tiene precedente. Para evitar esta pérdida de una observación, la
primera observación sobre Y y X es transformada de la siguiente manera: Y1 1– p2 y
X1 1– p2. Esta transformación es conocida como la transformación de Prais - Winsten.
Heteroscedasticidad
y Autocorrección TEMA 4
en
Modelos
de
Regresión 147
UNIVERSIDAD PRIVADA TELESUP
Competencia:
Conocer y explicar si la autocorrelación es
positiva o negativa de los residuos.
APLICACIÓN EN EXCEL
148
UNIVERSIDAD PRIVADA TELESUP
Autocorrelación negativa
149
UNIVERSIDAD PRIVADA TELESUP
150
UNIVERSIDAD PRIVADA TELESUP
0
-100 - 5 10 15 20 25 30
-200
-300
X
1,000
500
-
- 5 10 15 20 25 30
X
Residuos y Observaciones
150
100
50
0
-50 0 5 10 15 20 25
-100
-150
-200
-250
-300
151
UNIVERSIDAD PRIVADA TELESUP
La prueba de DURBIN-WATSON
La prueba revisa si los residuos tienen una dependencia secuencial en la cual cada
uno de los errores (residuos) está correlacionado con los anteriores y los posteriores.
La prueba se enfoca a las diferencias entre residuos sucesivos como sigue, usando el
estadístico de Durbin - Watson:
n n
d (eu eu 1 ) / eu 2 2
u 2 u 2
Donde:
1. 0 d 4
2. Si los residuos sucesivos están
correlacionados positivamente en serie, d será
casi 0.
3. SI los residuos sucesivos están correlacionados
negativamente, d será cercano a 4, de tal forma que
4-d será casi 0.
4. La distribución de d es simétrica alrededor de 2.
La prueba se realiza como sigue: comparar d o 4-d, la que esté más cercano a cero
con dL y dU en la tabla mostrada abajo, si d<dL se concluye que existe una
correlación positiva probable; si d>dU se concluye que no
hay correlación (se aplica el mismo criterio para 4-d).
Si d o 4-d se encuentran entre dL y dU, la prueba
es inconclusa. Si se identifica algún tipo de
correlación, el modelo debe ser reexaminado.
152
UNIVERSIDAD PRIVADA TELESUP
1% 2.5% 5%
n dL dU dL dU dL dU
Prueba de Durbin-Watson.
Las hipótesis son las siguientes:
H0: No hay autocorrelación
H1: Hay autocorrelación
u 2 u 2
Regla de decisión:
153
UNIVERSIDAD PRIVADA TELESUP
Durbin
Watson 1.98 =306,205.0920/154,857.5233
Lecturas Recomendadas
❖ ANALISIS DE AUTOCORRELACION
154
UNIVERSIDAD PRIVADA TELESUP
http://www.ciberconta.unizar.es/Leccion/autocorrelacion/analisis%20de%20autoc
orrelacion.PDF
❖ FUNCION DE AUTOCORRELACION
http://www.youtube.com/watch?v=lmMaZ-IyWas
Actividades y Ejercicios
1. Ingresa al link “MCO” lee atentamente las indicaciones, desarróllalo y envíalo por
el mismo medio. Se dispone de la siguiente información acerca de la producción
agraria anual
155
UNIVERSIDAD PRIVADA TELESUP
Y X1 X2
CONSUMO INGRESO GENERO SEXO
18,535 22,550 1 M
11,350 14,035 1 F
12,130 13,040 0 F
15,210 17,500 1 M
8,680 9,430 0 F
16,760 20,635 1 M
13,480 16,470 0 F
9,680 10,720 1 M
17,840 22,350 1 M
11,180 12,200 0 F
14,320 16,810 0 F
19,860 23,000 1 M
Genero = 1 si SEXO
Genero = 0 si SEXO
a) Realice un análisis completo de los resultados obtenidos e indique que
problemas tendría el modelo (heteroscedasticidad y autocorrelación)
b) Aplicar la prueba de Durbin Watson.
Autoevaluaciones
156
UNIVERSIDAD PRIVADA TELESUP
157
UNIVERSIDAD PRIVADA TELESUP
8) Si los datos se ven afectados por errores de primer orden correlación serial
(auto-regresivo de primer orden), y que son felizmente inconscientes de este
hecho
158
UNIVERSIDAD PRIVADA TELESUP
Tabla G1
Modelo: MCO, usando las observaciones 1-235
Variable dependiente: Gasto en comida
Resumen
c. Los residuos tienen una media muestral igual a -200.
d. Los residuos no presentan dispersión respecto al ingreso o renta.
e. La varianza = 0.
159
UNIVERSIDAD PRIVADA TELESUP
Glosario
entre las perturbaciones t. Pero como las t, no son observables, la práctica común
es suponer que estas han sido generadas por algún mecanismo.
160
UNIVERSIDAD PRIVADA TELESUP
161
UNIVERSIDAD PRIVADA TELESUP
Fuentes de Información
❖ VALIDEZ: Importancia predictiva para los propósitos que se persiguen.
162
UNIVERSIDAD PRIVADA TELESUP
BIBLIOGRÁFICAS:
ELECTRONICAS:
❖ Econometría Básica
http://economiau.freehostia.com/index.php?option=com_content&view=article&id=
90&Itemid=84
❖ Regresión en Excel
https://sites.google.com/site/uisekeconometria/classroom-news/regresionenexcel
❖ Autocorrelación
http://www.ciberconta.unizar.es/LECCION/autocorrelacion/
VIDEOS
Solucionario
163
UNIVERSIDAD PRIVADA TELESUP
UNIDAD DE
UNIDAD DE
APRENDIZAJE 1 APRENDIZAJE 2:
1. D 1. B
2. C 2. A
3. B 3. A
4. A 4. D
5. E 5. B
6. E 6. B
7. E 7. C
8. D 8. B
9. B 9. E
10. A 10. A
UNIDAD DE UNIDAD DE
APRENDIZAJE 3: APRENDIZAJE 4:
1. C 1. D
2. B 2. A
3. C 3. B
4. E 4. D
5. C 5. E
6. C 6. C
7. C 7. E
8. E 8. B
9. A 9. B
10. B 10. A
164