yi = b0 + b1xi + ui
Contenido
y = b0 + b1x + u
donde y es:
Variable dependiente
Variable explicada
Variable de lado
izquierdo (duh!)
Regresando
u es:
Residual
Trmino de error
Variable independiente
Variable explicativa
Covariable
Variable de control
Regresor
Variable de lado derecho
b0 y b1: parmetros o
coeficientes a estimar
Algunos supuestos
Media condicional = 0
.
x1
. E(y|x) = b + b x
0
x2
6
y
y4
y3
y2
y1
u2 {.
.} u3
} u1
x1
x2
x3
x4
x
8
continuacin MCO/OLS
11
i 1
x 0
b
0
1 i
b x 0
x
y
b
i i 0 1i
i 1
(1)
(2 )
12
i 1
x 0
b
0
1 i
y b0 b1 x ,
o bien
b y b x
0
13
n 1 xi yi b0 b1 xi 0
i 1
x b x 0
x
y
b
i i
1
1 i
i 1
n
i 1
i 1
x
y
b
i i
1 xi xi x
Aqu hay un paso mgico ver apndice A.7 y A.8.
i 1
i 1
xi x yi y b1 xi x
14
x x x x y y
2
i 1
i 1
b1
x x y
i
i 1
x x
i 1
cov( x, y )
var( x)
x x
i 1
0
15
MCO / OLS
y4
4 {
y b0 b1 x
y3
y2
y1
.
{
.} 3
1
}
.
x1
x2
x3
x4
x
18
Un enfoque alternativo:
Minimizar residuales al cuadrado
ui yi b 0 b1 xi
i 1
i 1
19
...continuacin
i 1
n
x 0
b
0
1 i
b x 0
x
y
b
i i 0 1i
i 1
20
Propiedades algebraicas
(matemticamente)
n
i 1
ui 0 por tanto,
n
x u
i 1
i i
i 1
y b0 b1 x
Es decir, la solucin de MCO es idntica a la del mtodo de momentos.
22
2
i
ui y i y
u 2 ui y i y y i y
2
i
SSR 2 ui y i y SSE
SSR SSE
24
Bondad de ajuste:
2
R
25
Supuestos Gauss-Markov I:
Insesgamiento de MCO/OLS
1.
2.
3.
4.
Insesgamiento de MCO
x x y
2
x
, donde
s xi x
2
x
29
x x y x x b b x u
x x b x x b x x x u
b x x b x x x x x u
i
desviaciones de x
n*var(x)
1 i
1 i
n*cov(x,u)
30
x x 0, y
x x x x x
i
s x2
x x u
s x2
31
E b1 b1
2 d i E ui b1
sx
El operador E(.) aplica a ui, el nico componente aleatorio de la
expresin.
El valor esperado de la b1 estimada es el verdadero parmetro
poblacionaltoda vez que los 4 supuestos Gauss-Markov se
cumplan.
32
Insesgamiento: resumen
Homoscedasticidad
y
f(y|x)
.
x1
. E(y|x) = b + b x
0
x2
36
Heteroscedasticidad
f(y|x)
.
x1
x2
x3
E(y|x) = b0 + b1x
x
37
Var b1 Var b1
2 d i ui
s
x
1
1
2 Var d i ui
2
sx
sx
1
2
sx
1
d s s sx2
2
i
2
d
i Varui
2
d
i
1 2 s2
s
s
Var
b
2
2
x
1
s
s
x
x
38
ui yi b0 b1 xi
40
1 i
1 i
ui b0 b 0 b1 b1 xi
por insesgamiento, ambos parntesis se eliminan...
de modo que un estimador insesgado de s 2 es :
1
SSR
2
s
ui
n 2
n 2
2
41
se b1
x x
2
Apndice A.
Propiedades del operador Suma
43
Apndice A.
Propiedades del operador Suma
44