Estimacin de modelos

uniecuacionales
 Modelos economtricos
uniecuacionales
Los modelos economtricos uniecuacionales
se especifican en la siguiente forma:
1) Yt = B1 + B X2t +t (Modelo lineal simple)
2) Yt = B1 + B X2t + B X3t +. . . + Bk Xkt + t(
Modelo lineal mltiple)
3) Notacin matricial del modelo lineal
mltiple:
Y = XB + U
 En el modelo lineal
simple:
Yt = B1 + B2 X2t +t
Donde : Yt: Es la variable
Y1 1 X21 . . . Xk1 dependiente
Y= Y2
X= X2t: es la variable
. 1 X22 . . . Xk2
. . . . explicativa de la variable
. . . . Y
Yn . . .
1 X2n . . . Xkn t: es el termino de error
o perturbacin
B1 u1
B2 u2
B1
U=
B= . . B2
. .
. . Estos parmetros
Bk un necesitan ser calculado o
estimados y sus varianzas
 Para estimar estos parmetros hay varios
mtodos y los mas comunes son:
El mtodo de los mnimos cuadrados
El mtodo de la mxima verosimililitud
El mtodo bayesiano
Cada mtodo posee restricciones y propiedades
especificas que permiten un anlisis comparativo
de las bondades estadsticas de cada uno de
ellos. En este curso se tratara con mas detalle el
mtodo de mininos cuadrados
 El error o perturbacin ut
El error o perturbacin t es una variable
aleatoria y es una variable no observable, esta
variable cumple con la misin de recoger el
conjunto de causas que no se encuentran
explcitamente incorporadas en un modelo o
ecuacin tales como:
a) Omisin de variables explicativas
b) Errores de especificacin
c) Errores de medida sobre la variable endgena
Omisin de
variables
explicativas
Omisin de variables explicativas
 Errores de
especificacin
La variables aleatoria ut Se considera que dichos
recoge lo efectos de un errores son aleatorios y se
especificacin incorrecta les incorpora en la variables
sobre la ley matemtica de aleatoria ut del modelo .Se
correspondencia entre las
variables que se incluyen en supone que las variables
la ecuacin. As por ejemplo explicativas estn medidas
cuando se especifica que la sin error
relacin de correspondencia
entre las variables es lineal
pero la observacin indica
que no es lineal( puede ser
cuadrtica, logartmica,
logstica, exponencial, etc)
Supuestos acerca del comportamiento
de la variable ut
Los supuestos o postulados que se hace acerca de ut son:
1) El modelo de regresin lineal es lineal en los parmetros:
Modelo lineal simple
Yt = B1 + B2 X2t +t
B1 y B2 son lineales
Yt y X2t pueden ser no lineales en si mismos
Modelo lineal mltiple:
Yt = B1 + B X2t + B X3t +. . . + Bk Xkt + t ;
donde: B1, B2 Bk son lineales Yt , X2t ,. . . Xkt pueden ser no lineales en
si mismos
2) El valor esperado del termino de error(t), o su media es igual a cero
para todo t, es decir,
E(t) = 0, para todo t
3) La variable aleatoria t tiene varianza finita y constante para todo t, es
decir,
Var(t) = E[(t- E(t)]2 =2
Var(t) = E(t2) =2
 4) El valor del termino de error en un periodo no esta
correlacionado con su valor en cualquier otro periodo
Cov(i j)=E[ui E( ui)][uj E( uj)]= E(i j )=0
5) La covarianza en los valores de xt y ut es igual a cero, es
decir,
Cov(ut xt)= E[ui E( ui)][Xt E( Xj)]= E(ut xt)=0
Se supone que la variable X y el termino de error ut (El cual esta
representado a las variables omitidas en el modelo), tienen una
influencia o impacto separada( y aditiva) sobre Yt, pero si Xt y ut
estn correlacionadas, no es posible determinar sus efectos
individuales sobre Yt
6) Los valores de las variables explicativas X son fijos son
muestreo repetido. Los valores que toma el regresor X
son considerados fijos en muestreo repetido, es decir,
la X se supone no estocstico
6) No hay multicolinealidad perfecta. Es decir no hay relaciones
perfectamente lineales ente las variables explicativas
6) Los valores de las variables explicativas X son
fijos son muestreo repetido. Los valores que
toma el regresor X son considerados fijos en
muestreo repetido, es decir, la X se supone no
estocstico
6) No hay multicolinealidad perfecta. Es decir no
hay relaciones perfectamente lineales ente las
variables explicativas
Resumen de los principales supuestos
1. El modelo de regresin lineal es lineal en los
parmetros
2. E(t) = 0
3. Var((t)= E((t2)= 2
4. Cov(i j)= E(i j )=0
5. Cov(xt ut)= E(ut xt) =0
6. Los valores de las variables explicativas X son
fijos en muestreo repetido
7. No hay multicolinealidad perfecta entre las
variables explicativas de la ecuacin
 No cumplimiento

Var((t)= E((t2)= 2 Problema de heteroscedasticidad

Var((t)= E((t2)= 2t

Cov(i j)= E(i j )=0 Problema de autocorrelacion

Cov(i j)= E(i j ) 0

Cov(xt ut)= E(ut xt) =0 Cov(xt ut)= E(ut xt) 0

Cuando hay multicolinealidad no se podrn estimar los parmetros ni
Perfecta entre las variables de la sus varianzas
Ecuacin