supuestos fundamentales del mcdl econometria
Post on 21-Feb-2018
230 Views
Preview:
TRANSCRIPT
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
1/14
01/09/20
ECONOMETRA I
Prof. Manuel J. Angulo Burgos
mangulob@upao.edu.pe
mjab1
ECONOMETRA I
CAPACIDADES:
- Explica la Econometra como ciencia, su objeto, su mtodo deestudio y sus etapas, as como los diferentes tipos de datosque se usan en cada una de ellas.
- Formula modelos economtricos reconociendo los elementosque los componen.
- Usa el anlisis de regresin como herramienta de laeconometra.
- Utiliza el software economtrico Eviews 7 como herramientapara el anlisis y desarrollo de las etapas de la Econometra.
mjab 2
ECONOMETRA I
SUPUESTOS FUNDAMENTALESDEL MRLC
mjab 3
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
2/14
01/09/20
PRECISIONES PREVIAS
Modelo clsico de regresin lineal / Modeloclsico de regresin lineal Normal.
Los supuestos se refieren a la FRP y no a la FRM.
Los supuestos no son necesarios para laobtencin de los estimadores minimocuadrticosde los coeficientes (parmetros) del modelo.
4mjab
ESPECIFICACIN DEL MODELO
Ecuacin(es) que caracteriza(n) la(s)relacin(es) estocstica(s) entre las variables.
Supuestos tericos, deducidos de la TeoraEconmica, sobre los parmetros.
Especificacin de la distribucin deprobabilidad de la perturbacin aleatoria.
Indicar como se han obtenido los valores de lasvariables explicativas.
5mjab
PRECISIONES PREVIAS
SUPUESTOS SOBRE LA PERTURBACINALEATORIA
LAS PERTURBACIONES i, SIGUENUNA DISTRIBUCIN NORMAL
Teorema Central del Lmite
Sencillez y operatividad de ladistribucin Normal.
6mjab
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
3/14
01/09/20
EL VALOR MEDIO DE LAS
PERTURBACIONES, i, ES IGUAL A CEROExpresado en forma analtica: E [i/Xi] = 0
Dado que Yi= + Xi+ i, este supuestoimplica que:E [Yi/Xi] = + Xi
7mjab
SUPUESTOS SOBRE LA PERTURBACINALEATORIA
8mjab
SUPUESTO DE NO CORRELACIN SERIAL O DE NOAUTOCORRELACIN: NO EXISTE CORRELACINENTRE LAS PERTURBACIONES ALEATORIAS.
Analticamente:
Cov (i, j) = E {[i E(i)] [j E(j)]} = E [i, j] = 0 i j
Este supuesto precisa una correcta especificacin delmodelo.
Conjuntamente con el supuesto de normalidad de lasperturbaciones aleatorias implica que stas sonindependientes en sentido probabilstico.
9mjab
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
4/14
01/09/20
10mjab
SUPUESTO DE HOMOSCEDASTICIDAD: TODAS LASDISTRIBUCIONES DE LAS PERTURBACIONESALEATORIAS TIENEN IGUAL VARIANZA.
Para todo valor de i:
Var[i/Xi] = E[i E(i)]2 = E[i]2 = 2
y dado que:
Var[Yi] = E[Yi E(Yi)]2 = E[ ( + Xi+i) - ( + Xi) ]2 = E[i]2 = 2
las distribuciones de Y condicionadas a cada valor de Xtienen todas la misma varianza.Var[i/ Xi] = Var[Yi/ Xi] = 2
11mjab
SUPUESTOS SOBRE EL MODELO DEREGRESIN LINEAL
HOMOSCEDASTICIDAD:
Var(1/X1) = Var(2/X2) = = Var(i/Xi) = = Var(n/Xn)
Var(Y1/X1) = Var(Y2/X2) = = Var(YI/XI) = = Var(Yn/Xn)
HETEROSCEDASTICIDAD:
Var(1/X1) Var(2/X2) Var(i/Xi) Var(n/Xn)
Var(Y1/X1) Var(Y2/X2) Var(Yi/Xi) Var(Yn/Xn)
12mjab
SUPUESTOS SOBRE EL MODELO DEREGRESIN LINEAL
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
5/14
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
6/14
01/09/20
EL MODELO DE REGRESIN ES LINEAL EN LOSPARMETROS.
EL NMERO DE OBSERVACIONES, n, DEBE SERMAYOR QUE EL NMERO DE COEFICIENTES OPARMETROS POR ESTIMAR.
HIPTESIS DE ESTABILIDAD ESTRUCTURAL DE LOSPARMETROS:LOS PARMETROS SON CONSTANTESPARA TODAS LAS UNIDADES DE LA MUESTRA Y PARATODAS LAS MUESTRAS POSIBLES.
16mjab
SUPUESTOS SOBRE LOS PARMETROSDEL MODELO
Xi ES UNA VARIABLE NO ESTOCSTICA, CONVALORES FIJOS EN MUESTRAS REPETIDAS Y TAL,QUE PARA TODO TAMAO MUESTRAL:
ES UN NMERO FINITO DISTINTO DE CERO.
Este supuesto de no aleatoriedad de X puede serabandonado si exigimos incorrelacin entre la(s) variable(s)explicativa(s) y las perturbaciones:
Cov(i, Xi) = E(i, Xi) = 0
2
1
1( )
n
i
i
X Xn
17mjab
SUPUESTOS SOBRE LAS VARIABLESEXPLICATIVAS
Slo para modelo s mu lt ivariantes:
NO MULTICOLINEALIDAD: AUSENCIA DE RELACINLINEAL O APROXIMADAMENTE LINEAL ENTRE LOS
VALORES MUESTRALES DE LAS VARIABLESEXPLICATIVAS.
Cov(Xi, Xj) = 0 i j
18mjab
SUPUESTOS SOBRE LAS VARIABLESEXPLICATIVAS
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
7/14
01/09/20
EL MODELO DE REGRESIN EST
CORRECTAMENTE ESPECIFICADO (NOEXISTEN SESGOS NI ERRORES DEESPECIFICACIN).
Recuerda que nuestro anlisis deregresin y, por ende, sus conclusionesestn condicionadas por el modeloescogido.
19mjab
SUPUESTOS SOBRE EL MODELO
En nuestro modelo: Yi= + Xi+ i
LNEA O CURVA DE REGRESIN POBLACIONAL: La lnea queune los valores medios de las distribuciones condicionadas.
Su expresin analtica es una funcin (determinista)denominada funcin de regresin poblacional (FRP) que sedetermina emprica o tericamente.
FRP E[Y/Xi] = f(Xi)
Para nuestro caso de relacin lineal y directa E[Y/Xi] = + Xi
20mjab
ECUACIN TERICA Y ECUACIN ESTIMADAPERTURBACIONES Y RESIDUOS
:i i i i iY X R e s id u o Y Y e
Basndonos en su expresin grfica, el res iduopued e ser definid o con la diferenc ia entre un pun to yla lnea muestral est imada, mientras que laperturbacin aleator ia representa la d is tanc iaprobable entre un punto y la lnea de regres interica o verdadera.
Estimacin de la FRP, la funcin de regresin muestral (FRM):
21mjab
ECUACIN TERICA Y ECUACIN ESTIMADAPERTURBACIONES Y RESIDUOS
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
8/14
01/09/20
RESUMEN POBLACIN MUESTRA
i i iY X
/ i i FY X RE PX
/i i iY E Y X
i i i
Y X e
i i
FRMY X
i iY Y e
/i iY estima a E Y X
mjab 22
INTERPRETACIN DE LOS PARMETROS DEL MODELO
: Ordenada en el origen o constante deregresin. Es el valor medio de Yicuando el valorde la variable explicativa Xi es cero. Carece deinterpretacin econmica.
: Pendiente o coeficiente de regresin. Es elvalor de la derivada de E[Yi] respecto a Xi. Seinterpreta como la variacin promedio del valormedio de Yi ante variaciones unitarias de lavariable explicativa Xi.
mjab 23
ESTIMACIN DEL MODELO
Mtodos de estimacin: Momentos, Mximaverosimilitud y Mnimos cuadrados.
TEOREMA DE GAUSS-MARKOV: Dado los supuestosdel modelo clsico de regresin lineal, los estimadores
de mnimos cuadrados son estimadores linealesinsesgados y de variancia mnima.
Bajo el supuesto de normalidad, Rao demostr quelos estimadores de y son eficientes, no as el de lavariancia de las perturbaciones, 2.
mjab 24
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
9/14
01/09/20
OBTENCIN DE LOS ESTIMADORESMINIMOCUADRTICOS
2 21 1
, ( )n n
i i ii i
e f Y X sea minima
2
1 1 1
2 ( ) 0
n n n
i i i ii i i
e Y X e
2
1 1 1
2 ( ) 0
n n n
i i i i i ii i i
e Y X X X e
mjab 25
SISTEMA DE ECUACIONES NORMALES
1 1
n n
i ii i
Y n X
2
1 1 1
n n n
i i ii i i
X Y X X
mjab 26
SISTEMA DE ECUACIONES NORMALES(SOLUCIN)
2
1
2
1
n
i ii XY
n
Xi
i
x y s
sx
Y X
: i i i isiendo x X X e y Y Y
mjab 27
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
10/14
01/09/20
INTERPRETACIN DE LOSESTIMADORES
Es el valor medio estimado de Yi cuando el
valor de la variable explicativa X ies cero. Carecede interpretacin econmica.
Se interpreta como la variacin promedioestimada del valor medio estimado de Y i antevariaciones unitarias de la variable explicativa Xi
:
:
mjab 28
PROPIEDADES
Y X
( ) ( )i i i iY X Y X X Y X X
Y Y
Pas a a travs de las medi as muest ral es de
X e Y.
mjab 29
El valor medio de los residuos es 0. Se deduce de la 1ecuacin de ajuste.Esta propiedad permite expresar el modelo en su forma desviacin. Sea,
Aplicamos sumatorias en ambos lados de esta igualdad, tendremos:
Dividiendo por n ambos miembros de la igualdad resulta:
Si restamos esta ecuacin de (1), obtenemos:
Por lo que la FRM en forma desviacin queda como:
(1 )i i i
Y X e
1 1 1 1
0n n n n
i i i i
i i i i
Y n X e siendo e
Y X
( )i i i i i iY Y X X e y x e
i i
y x
mjab 30
PROPIEDADES
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
11/14
01/09/20
Los residuos ei no estn correlacionados con el valor
estimado de Yi
1 1 1
( )n n n
i i i i i i i
i i i
y e x e x y x
2 2 2 2 2 2
1 1 1 1
0n n n n
i i i i ii i i i
x y x x x
2
1 1
/n n
i i ii i
x y x
Basndonos en que:
Nota:Si dos variables tienen colineal idad nulase dice qu e son o rto gon ales entr e s.
31mjab
PROPIEDADES
Los residuos eino estn correlacionados con Xi.
Se deduce de la 2 ecuacin de ajuste.
2
1 1 1
2 ( ) 0
n n n
i i i i i ii i i
e Y X X X e
Parece que el mtodo de MCO trata de duplicar para laFRM los supuestos realizados para la FRP. Pero no es as,por ejemplo:Cov (i, j) = 0 Perturbaciones incorrelacionadas
Cov (ei, ej) 0 Residuos correlacionados
Adems, los residuos son heteroscedsticos
32mjab
PROPIEDADES
1 n
ii
YE E Y X E X E
n
1 1
n n
i ii i
X X
E X Xn n
112 2
1 1
1
n
ni ii
i in ni
i ii i
x yE E x E y
x x
12
1
1 n
i ini
ii
x x
x
33mjab
Esperanza de los estimadores minimocuadrticos de y (insesgados)
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
12/14
01/09/20
Varianza de los estimadoresmin imocuadr t icos de y
2
21
212 2
2
1 11
1
n
ni ii
i in nn i
i iii ii
x yVar Var x Var y
x xx
2 2
2 2
2
1
n
ii
Var Var Y X Var Y X Var X n
x
2
1
;n
ii
se
x
2
2
1
1
n
ii
Xse
nx
34mjab
35mjab
Cuanto mayor sea la varianza de las perturbaciones
( 2), may o re s se rn las var ia nzas de
Cuanto m ayor sea la disp ersin de los valores de la
vari able exp licati va X, men or es sern las varianzas de
y mayor su precisin.
Si todos los valores de Xifuesen igu ales, es decir,
X1=X2= ... =Xn, ambas varianzas seran in finitam ente
grandes.
La varianza de toma su mnimo valor cuando la
media de las Xies cero (s iendo el denominador
dist in to de cero)
y
y
36mjab
ESTIMADOR DE LA VARIANZA DELAS PERTU RBACIONES
2
2 1 ;
2
n
ii
e
n
2
1
2
n
ii
e
n
2
12 2 2 2 2
1 1 1 1 2
1
n
i in n n n i
i i i i ni i i i
ii
x y
e y x y
x
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
13/14
01/09/20
37mjab
DISTRIBUCIN DEL ESTIM ADOR DE LAVARIANZA DE LAS PERTURBACIONES
2
2 2
2
2 22 2 :
2 2 22
nn nE
n
42 4
2
4 2
4 22 ( 2) 2 :
2 24 2 2
nn nVar
nn
Por tanto, la media y varianza de la distribucin delestimador minimocuadrtico de la varianza de lasperturbaciones son:
38mjab
DISTRIBUCI N DEL ESTIMADOR DE LAVARIANZA DE LAS PERTURBACIONES
Luego, dicho estimador es insesgado. Puede tambindemostrarse que es de varianza mnima, pero nopuede ser catalogado de eficiente porque la varianzade su distribucin no alcanza la cota de Cramer-Raocorrespondiente a su distribucin (24/n).
El estimador MCO de la varianza de las perturbacionesno es exactamente verosmil (MV). Pero dado que elEMV es un estimador sesgado de 2, el estimador MCOse construye a partir de conocer que E[e i
2 la varianzaresidual (ei
2/n) que, como veremos, es el estimadormximo] = (n-k) 2 obtenindose as un estimadorinsesgado para 2.
39mjab
Covarianza de losest im adores MCO de y
Los valores de los estimadores de MCO de y son diferentes para cada muestra y para unamuestra dada tienden a depender entre s.
2
2
1
,n
ii
Cov E X Var X
x
-
7/24/2019 Supuestos Fundamentales Del Mcdl Econometria
14/14
01/09/20
Los estimadores maximoverosmiles (EMV) de y coincidencon los estimadores minimocuadrticos (MCO), no as el EMVde 2 que es la variancia residual:
2
2 1
n
ii
M V
e
n
Es un estimador sesgado de 2,pero es asintticamente
insesgado.Los EMV y los de MCO tienenbuenas propiedades asintticas:consistentes, asintticamentenormales y asintticamenteeficientes.Si el supuesto de normalidad delas perturbaciones es incorrectoloa estimadores obtenidos sedenominan de cuasimximaverosimilitud.
40mjab
PREGUNTAS?
GRACIAS
mjab 41
DESARROLLAMOS EL SUPUESTO DENORMALIDAD.
ANALIZAMOS PROPIEDADES DE LOSESTIMADORES MCO BAJO EL SUPUESTO DENORMALIDAD.
DESARROLLAMOS EL MTODO DE MXIMAVEROSIMILITUD.
42mjab
TAREA
top related