Lineal Insesgado

Varianza

Varianza del modelo:

Matriz generadora de residuos:

Características:

Matriz de Proyección:

Coeficiente de Determinación

Coeficiente de determinación ajustado

Regresión Particionada:

𝑏̂2 − 𝛿̂2 𝑏̂3

𝛽̂2 =
1 − 𝛿̂2 𝛿̂3

𝑏̂3 − 𝛿̂3 𝑏̂2

𝛽̂3 =
1 − 𝛿̂2 𝛿̂3

Correlacion Simple

Correlacion Parcial

Matriz de Correlaciones

INFERENCIA EN EL MODELO DE REGRESIÓN MÚLTIPLE

I. Intervalos de Confianza

II. Test de Hipótesis

Test acerca de un parámetro individual

Test "t" o test de significancia individual

Test acerca de la igualdad de parámetros

Test acerca de las restricciones lineales de los parámetros

Tener en cuenta si son mas de dos parámetros, la varianza de cada uno de los parámetros mas o
menos el doble producto de sus covarianzas.

Test "F" o test de significancia global

Con (k-1) y (n-k) grados de libertad

UN TEST GENERAL PARA HIPÓTESIS LINEALES: TEST RB

1. Estimar RB-r (Matriz de la Ho)

2. Obtener la transpuesta de RB-r
 3. Multiplicar la matriz de var-cov con R(Filas de o y 1 )
4. Paso anterior multiplicar por R transpuesta
5. Obtenemos la inversa del resultado anterior
6. El paso 2 multiplicamos con resultado anterior
7. Y el resultado anterior con RB-r
8. Dividimos para q el numero de restricciones, y el F critico es F0,05; restricciones; gl

Enfoque alternativo:

Modelo base es el M. NO RESTRINGIDO

Incorporar la Ho en el modelo base

Contratado con F0.05; · betas del no restringido

TEST DE NORMALIDAD

Test de Jarque Bera

“A” representa el coeficiente de asimetría y “K” el coeficiente de curtosis. 𝑋2 con 2gl

el intervalo de pronóstico para un valor individual de Y dado 𝒙𝒐

intervalo de valor esperado 𝐸(𝑌|𝑋𝑜).

Multicolinealidad

Para regresiones auxiliares

Factor Inflador de la Varianza

mayor a 10 se considera un problema de multicolinealidad

CONTRASTES DE ESPECIFICACIÓN Y SELECCIÓN DE MODELOS

TEST DE CHOW

K es el número de Betas

1.- Convergencia en Probabilidad

2.- Convergencia en Media Cuadrática

Teorema de Markov

Teorema de Kolmogorov
 CONVERG EN PROB.

Teorema de Slutsky:

2. Sean 𝑋𝑛 y 𝑌𝑛 dos variables aleatorias, entonces: