Una convencin de notacin .

De ahora en adelante , para evitar una anotacin posiblemente confuso y

complicado , vamos a utilizar una
boldfacexto denotar una fila de la columna de X ora . Que se aplica ser evidente a
partir de la
contexto. En (2-2) , xk es la columna k-sima de X. Los subndices j andkwill ser
utilizado para denotar
columnas (variables) . A menudo ser conveniente referirse a una sola observacin
en (2-3) ,
que escribiramos

Subscriptsi andtwill generalmente se utiliza para denotar filas ( observaciones ) de X .

En ( 2-4 ) , xi es un vector de columna que es la transpuesta de la i-sima 1 Krow de
X
Nuestro principal inters es en la estimacin y la inferencia sobre la vector
parmetro.
Tenga en cuenta que el modelo de regresin simple en el Ejemplo 2.1 es un caso
especial en el que X tiene
slo dos columnas, thefirst de las cuales es una columna de 1 s. La asuncin de la
linealidad de la
modelo de regresin incluye la perturbacin aditivo. Para la regresin a ser lineal en
el sentido descrito aqu , debe ser de la forma en (2-1 ) o bien en las variables
originales
o despus de una transformacin adecuada . Por ejemplo , el modelo

es lineal (despus de tomar registros en ambos lados de la ecuacin ) , mientras

no es. La variable dependiente es observado por lo tanto la suma de dos

componentes, un element disuadir - ministic + xand un variable al azar . Vale la
pena subrayar que ni de las dos partes que se observa directamente
becauseandare desconocido. La suposicin de linealidad no es tan estrecha como
lo mightfirst aparece . En la regresin contexto , linearityrefers a la manera en que los
parmetros y la perturbacin entran la ecuacin, no necesariamente a la relacin entre
las variables. Por ejemplo, el equationsy = + x + e , Y = alfa + cos ( x ) + e , y = a +
b / x + , andy = + lnx + son todos lineal en alguna funcin ofxby la definicin que
hemos utilizado aqu . En los ejemplos, onlyxhas sido transformado , butycould han
sido as , como iny = A x beta mi , Que es una relacin lineal en el ofxandy registros ;
lny = + lnx + . La variedad de funciones es ilimitado . Este aspecto del modelo se
utiliza en un nmero de uso comn funcional formas . Por ejemplo, el loglineales
modelis

Esta ecuacin tambin se conoce como la forma de elasticidad constante como en

esta ecuacin, la elasticidad de y con respecto a los cambios en x es lny / lnxk = k ,
que no vara con x k. La forma lineal de registro se utiliza a menudo en modelos de
demanda y la produccin . Diferente valores de producen funciones muy diversas .
Ejemplo 2.3 El Mercado Gasolina EE.UU

Los datos sobre el mercado de la gasolina EE.UU. para el periodo 1960-1995 se dan
en la Tabla F2.2 en Apndice F. Vamos a utilizar estos datos para obtener , entre otras
cosas , las estimaciones de los ingresos , propio precio , y cruzada de la elasticidad de
la demanda en este mercado . Estos datos tambin presentan una cuestin
interesante sobre la cuestin de la celebracin de " todo lo dems constante", que fue
sugerido en el Ejemplo 2.2 . En particular , considere un modelo algo abreviada de la
gasolina per cpita consumo:

Este modelo proporcionar estimaciones de las elasticidades precio e ingreso de la

demanda de gasolina
y una estimacin de la elasticidad de la demanda con respecto a los precios de los
coches nuevos y usados .
Qu debemos esperar para el of4 seal? Los coches y la gasolina son bienes
complementarios , por lo que si
los precios de los nuevos coches suben, ceteris paribus , el consumo de gasolina
debe caer . O habra de hacerlo? Si
los precios de los vehculos nuevos aumentan, entonces los consumidores van a
comprar menos de ellos ; que mantendrn su usado
coches ms largos y compran menos coches nuevos. Si los coches antiguos utilizan
ms gasolina que los ms nuevos , a continuacin,
el aumento de los precios de los coches nuevos conducira a un mayor consumo de
gasolina que de lo contrario ,
No menor . Podemos utilizar el modelo de regresin mltiple y los datos de la
gasolina para intentar
responder a la pregunta .
Asemilogmodel a menudo se utiliza para modelar las tasas de crecimiento :

En este modelo , los autnomos (al menos no explicada por el modelo s

mismo) proporcional ,
por un periodo de tasa de crecimiento isdlny / dt = . Otras variaciones de la forma
general

permitir una enorme variedad de formas funcionales , todos que encajan en

nuestra definicin
de un modelo lineal.

El modelo de regresin lineal a veces se interpreta como una aproximacin a

algunos
desconocido , la funcin subyacente. ( Vase la Seccin A.8.1 para la discusin . )
Por esta interpretacin ,
sin embargo, el modelo lineal , incluso con trminos cuadrticos , es bastante
limitado en que tales
una aproximacin es probable que sea til slo en un pequeo intervalo de
variacin de la
variables independientes. El modelo translogartmica discutido en el Ejemplo 2.4 ,
en cambio, tiene
demostrado ser mucho ms eficaz como una funcin de aproximacin