Documente Academic
Documente Profesional
Documente Cultură
𝑚𝑎𝑡ℎ10𝑖 = 𝛽0 + 𝛽1 𝑙𝑢𝑛𝑐ℎ𝑝𝑟𝑔𝑖 + 𝑢𝑖
Donde:
𝑚𝑎𝑡ℎ10𝑖 Porcentaje de estudiantes en la escuela i que aprobaron el
examen de matemáticas.
𝑙𝑢𝑛𝑐ℎ𝑝𝑟𝑔𝑖 Porcentaje de estudiantes beneficiarios en la escuela i con
el programa de desayunos escolares.
𝑢𝑖 Término de error o perturbación
= 32,14 − 0,32𝑙𝑢𝑛𝑐ℎ𝑝𝑔𝑖
𝑚𝑎𝑡ℎ10
N=408 𝑅2 = 0,17
Para discutir…
1 un estimador insesgado del parámetro poblacional?
Es 𝛽
Ventajas de un modelo de regresión múltiple
1. Permite controlar de manera explícita por muchos otros factores
que afecta en forma simultánea a la variable dependiente.
Donde
𝑐𝑜𝑛𝑠𝑢𝑚𝑜𝑖 es el consumo de la familia i en bienes y servicios
𝑖𝑛𝑔𝑖 es el ingreso disponible de la familia i
𝑦 = 𝛽0 + 𝛽1 𝑋1 + 𝛽2 𝑋2 + ⋯ + 𝛽𝑘 𝑋𝑘 + 𝑢
𝑛 𝑛
2 2
0 − 𝛽
min 𝑢ෝ𝑖 = 𝑦𝑖 − 𝛽 1 𝑥1𝑖 − ⋯ − 𝛽
𝑘 𝑥𝑘𝑖
𝑖=1 𝑖=1
Multicolinealidad perfecta
Si una variable independiente es una combinación lineal exacta de las
otras variables independientes, el modelo sufre de colinealidad
perfecta y no puede ser estimado por el método de MCO.
1. σ𝑛𝑖=1 𝑢ෝ𝑖 = 0
0 + 𝛽
3. 𝑦ത = 𝛽 1 𝑥1 + ⋯ + 𝛽
𝑘 𝑥𝑘
𝑛
4. 𝑖=1 𝑦ෝ𝑖 𝑢ෝ𝑖 = 0
σ
Estimador de MCO
Donde:
𝑟ෝ𝑗𝑖 = 𝑥𝑗𝑖 − 𝑥ෞ
𝑗𝑖 ∀𝑗 = 1, … , 𝑘
Bondad de Ajuste
Donde:
0 ≤ 𝑅2 ≤ 1
0 𝑥1 , … , 𝑥𝑘 = 𝛽0
𝐸 𝛽
𝐸 𝛽𝑗 𝑥1 , … , 𝑥𝑘 = 𝛽𝑗 𝑗 = 1, … , 𝑘
෪0 + 𝛽
𝑦 = 𝛽 ෪1 𝑥1
෪1 es sesgado y 𝐸 𝛽
𝛽 ෪1 𝑥1 , 𝑥2 = 𝛽1 + 𝛽2 ෪
𝛿1
෪1 proviene de la regresión auxiliar 𝑥
Donde 𝛿 ෪0 + 𝛿
෦2 = 𝛿 ෪1 𝑥1
෪1 cuando 𝑥2 es omitido de la estimación
Sesgo en 𝛽
Eficiencia
Supuesto 5: Homocedasticidad
𝑽𝒂𝒓 𝒖 𝒙𝟏 , … , 𝒙𝒌 = 𝝈𝟐
𝜎2 𝜎2
𝑉𝑎𝑟 𝛽𝑗 = 𝑛 2 = 2
σ𝑖=1 𝑟ෞ
𝑖𝑗 𝑆𝑇𝐶𝑗 (1 − 𝑅𝑗)
Donde:
2
𝑆𝑇𝐶𝑗 = σ𝑛𝑖=1 𝑥𝑗𝑖 − 𝑥ഥ𝑗
𝑅𝑗2 de la regresión auxiliar de 𝑥𝑗 contra el resto de variables explicativas.
Estimación de 2
𝜎 :Errores estándar de los
estimadores de MCO
𝑛
1
𝜎2 = 𝑢ෝ𝑖 2
𝑛 − (𝑘 + 1)
𝑖=1
Donde:
𝐸 𝜎2 𝑥1 , … , 𝑥𝑘 = 𝜎 2
Errores estándar de los estimadores de MCO
𝜎2 𝜎2
𝑉𝑎𝑟 𝛽𝑗 = 𝑛 2 = 2
σ𝑖=1 𝑟ෞ
𝑖𝑗 𝑆𝑇𝐶𝑗 (1 − 𝑅𝑗)
𝜎
𝑑𝑒 𝛽𝑗 = 1
[𝑆𝑇𝐶𝑗 1 − 𝑅𝑗2 ]2