Documente Academic
Documente Profesional
Documente Cultură
o Dos visiones:
Ejemplo: cada vez que hay una mala noticia, caen los precios
en los mercados financieros.
2
Rol de la Econometría?
Teoría
Econometría
Datos
Hechos
3
El Método en Econometría
6. Test de hipótesis.
7. Predicciones.
4
Ejemplo 1: La demanda de inversión neoclásica
1. Hipótesis: La demanda por inversión depende negativamente de
la tasa de interés real.
2. La función de demanda:
It = I0 - b1rt
3. El modelo econométrico:
Ln It = I0 + b1rt + ut
5
Demanda por Inversión
16
15.5
15
14.5
14
0 5 10 15 20 25
Tasa de Interés Interbancaria
(x, y)
(x, y, z)
6
4
lipc
2
0
2 3 4 5 6 7
ltc
8
Regresión y Causalidad
y = f(x)
y = f(x, z)
x, z: variables independientes
y: variable dependiente.
9
Coeficiente de Correlación Simple (r)
o Mide el signo y la importancia de la “relación” entre
dos variables X, Y.
r = Si=1,nxy/nsxsy
xi = Xi – 𝑋ത
Yi = Yi- 𝑌ത
10
Relación entre el PIB y el tamaño de la población: Caso de Chile
(r = 0,99)
11
Modelo de Regresión Lineal (MRL)
E(Y/X) = f(X)
Y: Variable dependiente
X: Variable explicativa
12
La Función de Regresión Poblacional (FRP)
E(Y/X) = b1 + b2X
• b1 : Intercepto
• b2 : Pendiente de la regresión
13
Ejemplo: Consumo familiar semanal
14
Ejemplo: Consumo familiar mensual
15
Función de Regresión Poblacional
o La Función de Regresión Poblacional (FRP):
E(Y/Xi) = b1 + b2Xi
Yi = b1 + b2Xi +ui
16
Linealidad
17
Razones para el Término de Error
1. Teoría puede estar incompleta o ser errónea. Ej. Precios, gustos
(variables excluidas), variables redundantes.
18
Función de Regresión Muestral
o Para una muestra de tamaño n se puede obtener la
Función de Regresión Muestral (FRM), como una
estimación de la FRP.
o La Función de Regresión Muestral (FRM):
𝑌 i = 𝛽መ 1 + 𝛽መ 2Xi
o Residuo de la estimación:
ei = Yi - 𝑌 i
Yi = 𝛽መ 1 + 𝛽መ 2Xi + ei
19
Supuestos de Comportamiento Parámetros Poblacionales
E(ui) = 0
Para todo i = 1,…, N
20
Estimación por Mínimos Cuadrados Ordinarios (MCO)
2. Estimadores:
𝛽መ 1 = 𝑌ത − 𝛽መ 2𝑋ത
𝛽መ 2 = Sxy/Sx2
𝜎ො = Se2/n-2
21
Clase 10/9/ 2018
Propiedades de la Regresión obtenida por (MCO)
E(eX) = 0
22
Supuestos del Modelo de Regresión Lineal
E(u/X) = 0
Cov(ui, uj) = 0
23
Supuestos del Modelo de Regresión Lineal
6. La covarianza entre X y los errores es nula.
Cov(u, X) = 0
Y = Xb + u
Con: u ~ N(0, s2I)
X𝛽መ
𝑌=
o El vector de residuos: para cada observación, indica la
diferencia entre el valor observado y el valor estimado.
e = Y - 𝑌
25
Propiedades Matrices
o Matriz Idempotente
26
Regresión Lineal en Stata – Paso a Paso 1
1. Cargar los datos desde una planilla Excel:
27
Cálculo de la Regresión por MCO - Paso a Paso (2)
estat vce
4. Calcular la regresión estimada (𝑦):
ො
predict ye, xb
5. Obtener el vector de residuos:
1
M= 𝐼 − 𝑖𝑖 ′
𝑛
M’M = M
MM’ = M
Demostrar….
30
Cálculo de la Regresión por MCO - Paso a Paso (1)
1. Estimación de un modelo por MCO, en que con es la variable
dependiente e, yd es variable explicativa:
regress con yd
predict cone, xb
32
Resultados de la Estimación
33
ANOVA en el Modelo Simple
34
Probabilidad de Confianza (1 - a): Elección de a
o Error tipo I (a): Probabilidad de rechazar la hipótesis
verdadera.
Alternativa?
35
Probabilidad de rechazar H0: p
36
Laboratorio Octubre 1
Modelo a estimar:
y = Aka
Modelo lineal:
37
Laboratorio Octubre 1 - Datos
Datos de Panel: Combinación de series de tiempo (1960 –
2012) y corte transversal (seis países de A Latina).
• Datos de PIB
(ln) PIB pc en dólares constantes de 1990: ly90
(ln) PIB pc en dólares constantes de 2005: ly05
• Datos de Capital
(ln) Capital en dólares constantes: lk
38
Laboratorio Octubre 1 – Estadísticas Básicas
• Definir los datos como un panel:
tsset coun year, yearly
• Matriz de Correlación
correlate
39
Laboratorio Octubre 1 – Estimación
• Modelo Sin Restricciones:
regress ly90 lk ihc openness
est store mo1
estat vce
40
Laboratorio Octubre 1 – Test de Chow
41
Laboratorio Octubre 1 – Tabla de Resultados
estimates table mo*, stats(chi2 df N aic bic rank) star(.05 .01 .001)
style(oneline)
42
Compatibilidad entre Datos de Excel y Stata
43
Configuración de Excel
o Sea el modelo:
Yi = b1 + b2X2 + b3X3 +...+ bkXk + ui
1) Multicolinealidad exacta:
2) Multicolinealidad imperfecta:
45
Como Detectarla?
መ = s2/Sx2j(1 – R2j)
Var(𝛽)
FIV = (1 – R2j)
o Índice de Tolerancia:
TOL = 1/FIV
47
Corrección de la Multicolinealidad
4. Transformación de variables.
48
Laboratorio Octubre 8 – Multicolinealidad
Para probar la existencia de multicolinealidad, se utilizara
la siguiente regresión:
En que ly90 es el log del PIB per cápita del país i en el periodo
t, lk es el capital del país en ese periodo, ihc es el índice de
capital humano del país y Openness indica el grado de
apertura comercial, ambos en el periodo t.
Modelo “Aumentado”:
50
La Regresión en Stata
• Modelo Básico:
estat vce
estat vif
51
Índice de Tolerancia
El comando estat VIF entrega el análisis de inflación de
varianza para cada estimador y el valor promedio del modelo,
VIF. A partir de este valor se obtiene el Índice de Tolerancia
(TOL).
TOL = 1/VIF
52
El Modelo Aumentado
1) correlate ly90 lk ihc openness lemp lyus lychina
regress ly90 lk ihc openness lemp
est store mo2
estat vce
estat vif
3) Transformar variables:
54