Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
2.2Regressioni multivariate
i = e
i e
e
i = ie
2
e
La relazione vale tra momenti teorici
E [zitjzmt] = i + izmt
E [zit] = i = i + i m ) i = i i m
b i = zi b z : alfa di Jensen
i m
b = b im
i
b2m
Sotto l’assunzione di indipendenza delle osservazioni (no
autocorrelazione) e di omoschedasticità:
Se il modello di regressione è corretto, allora
SSR b2
! b2 b2
i m
R2 = 1 =1 i =
T SS b2
i b 2
i
- assenza di autocorrelazione
- omoschedasticità
zt = b t 1 + 2u
+ zmt + 1u bt 2 + b t p + vt
+ pu
e veri…care H0 : 1 = 2 = : : : = p = 0 con un test
F , oppure considerando l’equazione
bt =
u b t 1 + 2u
+ zmt + 1u bt 2 + b t p + vt
+ pu
di cui ci interessa solo la statistica T R2 da confrontare
con un 2p
Per veri…care l’ipotesi di omoschedasticità, l’idea comune
a molti test è quella di iniziare dando una forma a come
varia la varianza:
b2
u t = + zmt + w0t + vt
da confrontare con un 2 con gradi di libertà pari al
numero di variabili in w.
yn x0n b n 1
en = r
u n = K +2; : : : ; T
1 + x0n X 0n 1X n 1 xn
Misure di leverage
pt = x0t X 0X xt
pt 2 [0; 1] p = K=T
La di¤erenza tra le stime ottenute usando tutto il cam-
pione, b , e quelle ottenute escludendo l’osservazione t-
esima, b t,
1
b b
t= X 0X xtub t
1 pt
aumenta quando pt ! 1 e al crescere di xktu b t )veri…ca
b t= (1 pt).
dell’in‡uenza guardando al gra…co di xktu
La di¤erenza tra i valori predetti al tempo t usando tutto il
campione, x0t b , e quelle ottenute escludendo l’osservazione
t-esima, x0t b t,
pt
x0t b x0t b t= bt
u
1 pt
aumenta quando pt ! 1 e al crescere di u b t )veri…ca
b t= (1 pt).
dell’in‡uenza guardando al gra…co di ptu
Analisi del CAPM in serie storica,
regressioni multivariate
zt = + zmt + ut ;
I 1 I 1 I 1 I 1
(
se t = s
E [utjzmt] = 0; Cov (ut; usjz m) =
0 se t =
6 s
Abbiamo quindi un SURE con le stesse variabili esplica-
tive e sappiamo può essere stimato in maniera e¢ ciente
applicando OLS equazione per equazione. Date le stime
b t = zt
OLS otteniamo le serie dei residui u b bz
mt
e possiamo stimare come
XT
b = 1
b 0t
b tu
u
T t=1
z = +v
= m; E [v ] = 0
Questa però non può essere stimata, perchè non è
osservabile. Si deve necessariamente passare a
z = b +e (3)
e =v b
zt = + zmt + ut ;
I 1 I 1 I 1 I 1
(
se t = s
E [utjzmt] = 0; Cov (ut; usjz m) =
0 se t =
6 s
I …sso, T ! 1 (Shanken, 1992)
b 0z b0 b + b zm b0 b
b = = = zm +
b0b b0b b0b
0 1
b0 b
b =
e z bb = b + b zm b @z + A
m
b0b
0 1
b0 b 1 b b 0A
= b b = @II b
0
b b b0b
| {z }
Mb
zt = b t + et
Applicando OLS:
b 0z
e t
t = ; et = M bzt
e
b0b
e 1 Xe b
= t=
T
1X
e =
e et = e
e b
T
Avremo quindi
! !
e zmt b zm
e = t b =
t et
e b
e
e
\ e 1X e b e b 0
V ar t = t t
T
Inoltre, se non c’è autocorrelazione possiamo anche
scrivere
\ 1 \
V ar b = V ar e t
T
Questa nuova stima della matrice di covarianza di b può
essere utilizzare per veri…care l’ipotesi H0 : = 0:
1
= b 0V \
ar b b
3:11
1
0 \
= T b V ar e t b 2
I
Attenzione: approssimazione della “vera” varianza che
non converge al valore vero, tendo a ri…utare H0 troppo
spesso. E’molto probabile vi sia autocorrelazione (tramite
i b ), quindi usare approccio Newey & West.
Fama e MacBeth (1973)
zt = b t t + et t = S + 1; S + 2; : : : T
Pt 1
(z
b = s=t S is
z it) (zms z mt) 1 tX1
t Pt 1 2
z it = zis
s=t S ( z ms z mt ) S s=t S
Applicando OLS
b0z
e = t t; e et = M b zt
t
b0 b t
t t
e = 1 Xe 1 X
e=
t e et
e
T S T S
A questo punto possiamo proseguire come nel caso prece-
dente:
! !
e zmt e zm
e = t e =
t et
e e
e
e
\ e 1X e e e e 0
V ar t = t t
T
Inoltre, se non c’è autocorrelazione possiamo anche
scrivere
\ 1 \
V ar e = V ar e t
T
Per veri…care l’ipotesi H0 : = 0 ricorro a:
1
e0 \
3:12 = V ar e e
1
0 \
= T e V ar ft e 2
I
Valgono gli stessi motivi di attenzione del caso prece-
dente.