x
Y FRM + | + | =
) (
i
|
) (
i
|
1
|
i
+
(
(
(
(
(
(
|
|
|
|
(
(
(
(
(
(
=
(
(
(
(
(
(
k
3
2
1
k
3
2
1
nk
k 3
k 2
k 1
2 n 1 n
33 31
23 22
13 12
n
3
2
1
.
.
.
.
x
x
.
.
x
x
x
. x x 1
. . . .
. . . .
. x x 1
. x x 1
. x x 1
Y
.
.
Y
Y
Y
Y
n1
= X
nk
|
k1
+
n1
Consultoria Virgen del Carmen S.A.
15
1. Forma funcional de la relacin (supuesto de lineal)
2. Correcta especificacin del modelo (es decir, que X es la nica
variable explicativa)
3. Las variable Xs no son estocsticas.
4. Identificabilidad de los parmetros. (
1,
2,.
k
) se podrn
estimar de forma nica)
5. La esperanza de las perturbaciones condicionada a la
informacin dada es nula:
6. Las perturbaciones son esfricas:
7. Las perturbaciones recogidas se distribuyen de forma normal
Gaussiana
SUPUESTOS DEL MODELO
| | I ' E
2
o =
| |
1 nx i
0 E =
Consultoria Virgen del Carmen S.A.
16
ESTIMACION DE LOS PARAMETROS
El principio bsico para estimar los parmetros es que
se debe de minimizar la suma de los cuadrados de cada
uno de los residuales.
| |
(
(
(
= =
n
2
1
n 2 1
2
i
... '
| = =
X Y Y
Y
Consultoria Virgen del Carmen S.A.
17
Derivando respecto a | donde este es igual a cero.
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
k
n
Y Y Y
|
|
.
.
.
....x x x 1
.
.
.
....x x x 1
Y
.
.
.
Y
.
.
.
Y
.
.
.
.
.
.
1
nk n3 n2
1k 13 12
n
1
n
1
n
1 1
( ) ( )
| | |
| | | |
| |
2 Y
Y
' ' ' ' '
' ' ' ' '
'
'
X X Y X Y
X X Y X X Y Y
X Y X Y
+ =
+ =
=
( )
' X X'
* * X
0
X 2 2X -
1
' '
' '
'
Y
X
Y X X
X Y
d
d
=
=
= + =
|
|
|
|
Consultoria Virgen del Carmen S.A.
18
ESTIMACION DE LA VARIANZA DEL TERMINO DE
PERTURBACION
Un estimador del trmino de perturbacin sera el residual.
La varianza residual podra utilizarse como estimador de la
varianza del trmino de perturbacin.
Sin embargo la esperanza del transpuesto es
insesgada.
Se expresa como la suma de las diferencias cuadrticas
entre el valor observado (Y) y el estimado().
2 n
2 n
) Y
Y (
S
2
i
2
i i 2 2
= o =
i i i
Y
=
Consultoria Virgen del Carmen S.A.
21
Solucin
Como los parmetros a estimar son |
1
y |
2
se establece las ecuaciones
normales siguientes:
Y reemplazando, se tiene:
En (1)
En (2)
Si se despeja de la primera ecuacin el intercepto y se reemplaza dicho
valor en le segunda se obtienen los siguientes estimadores:
= 199.108 = 0.301
) 2 ( X X YX
) 1 ( X n Y
2
i 2 i 1
i 2 1
| + | =
| + | =
2 1
20300
12 8490 | + | =
2 1
40030000
20300 16072000 | + | =
1
|
2
|
Consultoria Virgen del Carmen S.A.
22
La funcin de regresin muestral, es decir la regresin de
Y con respecto a X:
Sustituyendo las observaciones muestrales de X en la
ecuacin anterior se obtiene la columna 6 de la tabla.
Comparando estos valores con aquellos observados para la
variable dependiente hallamos los errores
correspondientes a cada observacin de la muestra. Se
verifica que la suma de errores estimados es 0. (Columna
i
)
i
Y
i
X 301 . 0 108 . 199 + =
Consultoria Virgen del Carmen S.A.
23
MTODO MATRICIAL:
Familia
1 830 2,100 1,743,000 4,410,000 830.22 -0.22
2 510 1,100 561,000 1,210,000 529.69 -19.69
3 420 900 378,000 810,000 469.58 -49.58
4 560 1,600 896,000 2,560,000 679.95 -119.95
5 1,250 3,200 4,000,000 10,240,000 1160.80 89.20
6 840 2,300 1,932,000 5,290,000 890.32 -50.32
7 720 1,800 1,296,000 3,240,000 740.06 -20.06
8 490 700 343,000 490,000 409.48 80.52
9 690 1,300 897,000 1,690,000 589.79 100.21
10 850 2,400 2,040,000 5,760,000 920.37 -70.37
11 550 1,200 660,000 1,440,000 559.74 -9.74
12 780 1,700 1,326,000 2,890,000 710.00 70.00
Totales 8,490 20,300 16,072,000 40,030,000 8,490 0
i
Y
i
X i i
Y X
2
X
i
Y
i i i
Y
=
Consultoria Virgen del Carmen S.A.
24
(
(
(
(
(
(
(
(
+
(
(
(
(
(
(
(
(
|
|
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
n
2
1
2
1
k 2
22
21
n
2
1
.
.
.
.
.
.
. X 1
. . . .
. . . .
.
. X 1
. X 1
Y
.
.
Y
Y
+ | = X Y
La ecuacin matricial se escribe de la siguiente forma:
O simplemente:
Consultoria Virgen del Carmen S.A.
25
) Y X (
) X X (
' '
= |
( )
|
|
.
|
\
|
=
|
|
.
|
\
|
=
Y X
Y
Y X' y
X X
X n
X ' X
i i
i
2
i i
i
( )
|
.
|
\
|
=
(
=
16072000
8490
Y X' y
40030000 20300
20300 12
X ' X
( )
(
07 E 75773 . 1 000297349 . 0
000297349 . 0 586348323 . 0
X ' X
1
(
=
(
= |
0.3005273
199.10795
16072000
8490
07 E 75773 . 1 000297349 . 0
000297349 . 0 586348323 . 0
|
Para el caso de 2 variables:
Los
son los mismos obtenidos que el mtodo anterior.
Consultoria Virgen del Carmen S.A.
26
Ejercicio Ilustrativo de Estimacin de Parmetros en un Modelo Lineal
General (MCO)
El director de una agencia de viajes quiere estudiar el sector turstico en Per.
Para ello dispone de informacin relativa al grado de ocupacin hotelera (Y),
nmero medio de turistas (X2), medido en miles de turistas, y estancia media
(X3), medida en das.
OBSERVACIN N DE OCUPACIN
HOTELERA
TURISTAS
(MILES)
DAS DE
ESTANCIA
1 5 2 3
2 8 3 4
3 8 5 6
4 9 4 5
5 9 6 7
6 13 2 6
7 6 3 4
8 9 4 5
9 4 5 4
10 3 6 3
Consultoria Virgen del Carmen S.A.
27
i 3 3 2 2 1 i
X X Y + | + | + | =
(
(
(
=
2
3 i 3 i 2 i 2 i
3 i 2 i
2
2 i 2 i
3 i 2 i
'
X x X X
X X X X
X X n
) X X (
(
(
(
i 3 i
i 2 i
1
'
Y X
Y X
Y
Y X
Solucin
En este caso se tienen 2 variables independientes, por lo que ser conveniente
hacer uso de la forma matricial, por lo tanto:
Modelo Lineal General:
, donde n =10; k=3
Consultoria Virgen del Carmen S.A.
28
los coeficientes del modelo sern:
(
(
= =
(
(
(
|
|
|
= |
9608 . 1
0821 . 1
5529 . 2
Y X ) X X (
' 1 '
3
2
1
Luego, el modelo estimado es:
3 2 3 3 2 2 1 i
X 9608 . 1 X 0821 . 1 5529 . 2 X
X
Y
+ = | + | + | =
OPERACIONES CON MATRICES
En este seccin se presentarn las nociones bsicas del lgebra
matricial.
Dado los siguientes datos hipotticos (Periodo 1991-1995)
AO Y X1 X2
1991 3 3 5
1992 1 1 4
1993 8 5 6
1994 3 2 4
1995 5 4 6
Consultoria Virgen del Carmen S.A.
30
Se desea estimar el siguiente modelo de regresin lineal:
Y
t
=
1
+
2
X
1t
+
3
X
2t
+
t
Donde:
Yt es la variable dependiente o endgena.
X
1
, X
2
son variables independientes o exgenas.
1
,
2
y
3
son parmetros desconocidos. A
1
se le conoce con el
nombre de intercepto, a los
2
y
3
se les llaman coeficientes de
regresin.
t
es una variable aleatoria no correlacionada y no observable.
Consultoria Virgen del Carmen S.A.
31
A partir de los datos se crean las siguientes matrices:
En este caso:
n = 5 (numero de observaciones)
k = 3 (numero de parmetros del modelo)
(
(
(
(
(
(
=
5
3
8
1
3
Y
(
(
(
(
(
(
=
6 4 1
4 2 1
6 5 1
4 1 1
5 3 1
X
Consultoria Virgen del Carmen S.A.
32
Matriz.- es un arreglo de nmeros o elementos en filas y en
columnas. Cuando se habla del orden de una matriz se
refiere a la cantidad de elementos ordenados en filas y
columnas, por ejemplo las matrices X es una matriz de orden
(3x5), mientras que la matriz Y es de (5x1).
Para estimar el modelo se har uso de
Por lo que para encontrar esos valores ser necesario
realizar ciertos clculos matriciales previos tales como:
( ) Y ' X X ' X
1
.
= |
Consultoria Virgen del Carmen S.A.
33
TRANSPUESTA DE UNA MATRIZ
La transpuesta de una matriz X de orden (5x3) la cual se denota por X, es
una matriz de orden (3x5), la cual es obtenida a partir de cambiar las filas
por las columnas, es decir que por ejemplo la primera fila de X se
convierte la primera columna de X.
Las transpuestas de X e Y sern:
(
(
(
=
6 4 6 4 5
4 2 5 1 3
1 1 1 1 1
' X
| | 5 3 8 1 3 ' Y =
Consultoria Virgen del Carmen S.A.
34
MULTIPLICACIN DE MATRICES
Cada elemento de esta nueva matriz se obtiene sumando los valores
que resultan de multiplicar los elementos de una fila de la matriz
(por ejemplo de X) por su columna correspondiente de la otra
matriz (por ejemplo Y), lo que originar que se forme una matriz de
orden (3x1) la cual proviene de que la primera matiz tenga 3 filas y
la segunda 5 columnas.
(
(
(
=
(
(
(
+ + + +
+ + + +
+ + + +
=
(
(
(
(
(
(
(
(
(
=
109
76
20
5 6 3 4 8 6 1 4 3 5
5 4 3 2 8 5 1 1 3 3
5 1 3 1 8 1 1 1 3 1
5
3
8
1
3
6 4 6 4 5
4 2 5 1 3
1 1 1 1 1
Y ' X
Consultoria Virgen del Carmen S.A.
35
En el Excel:
Aplicar la funcin: =mmult(matriz1,matriz2)
Sombrear el rea de la matriz resultante y con las teclas control +
(shif), posicionndose en la barra de funciones, teclear (enter)
Consultoria Virgen del Carmen S.A.
36
De manera similar se calcula:
(
(
(
=
(
(
(
(
(
(
(
(
(
=
129 81 25
81 55 15
25 15 5
6 4 1
4 2 1
6 5 1
4 1 1
5 3 1
6 4 6 4 5
4 2 5 1 3
1 1 1 1 1
X ' X
| | | | 108 5 5 3 3 8 8 1 1 3 3
5
3
8
1
3
5 3 8 1 3 Y ' Y = + + + + =
(
(
(
(
(
(
=
Consultoria Virgen del Carmen S.A.
37
INVERSA
La inversa de una matriz origina otra matriz la cual se podr
calcular solamente cuando tenga la misma cantidad de filas y
columnas, adems su determinante debe ser diferente de cero.
Para el calculo de los parmetros se debe calcular la inversa de:
La inversa de una matriz puede ser halla por medio de calculadoras matriciales, esto resulta
til para el ahorro de tiempo en los clculos.
(
(
=
129 81 25
81 55 15
25 15 5
X ' X
Consultoria Virgen del Carmen S.A.
38
En el Excel:
Aplicar la funcin: =minv(matriz)
Sombrar el rea de la matriz resultante y con las teclas control +
(shif), posicionndose en la barra de funciones, teclear (enter)
Consultoria Virgen del Carmen S.A.
39
Utilizando la frmula , se obtiene:
(
(
(
=
(
(
(
(
(
(
= |
5 . 1
5 . 2
4
109
76
20
5 . 2 5 . 1 8
5 . 1 1 5 . 4
8 5 . 4 7 . 26
( ) Y ' X X ' X
1
.
= |
CALCULO DE LOS PARAMETROS
Consultoria Virgen del Carmen S.A.
40
Valor estimando de la varianza de los trminos de perturbacin
En el modelo de regresin lineal se obtiene a partir de:
2
o
) k n /( ) Y ' X ' Y ' Y (
2
| = o
.
.
| | 5 . 1 5 . 2 4 ' = |
.
Consultoria Virgen del Carmen S.A.
41
| | 5 . 106
109
76
20
5 . 1 5 . 2 4 Y ' X ' =
(
(
(
= |
.
75 . 0
3 5
5 . 106 108
k n
) Y ' X ' Y ' Y (
2
=
|
= o
.
.
Consultoria Virgen del Carmen S.A.
42
Estimacin de la matriz de varianzas y covarianzas de los B:
1
2
) X ' X ( )
var(
.
o = |
(
(
(
=
(
(
(
= |
875 . 1 125 . 1 6
125 . 1 75 . 0 375 . 3
6 375 . 3 025 . 20
5 . 2 5 . 1 8
5 . 1 1 5 . 4
8 5 . 4 7 . 26
75 . 0 )
var(
Consultoria Virgen del Carmen S.A.
43
INFERENCIA ESTADISTICA
Consultoria Virgen del Carmen S.A.
44
INTERVALO DE CONFIANZA PARA LOS
PARAMETROS
A fin de establecer los intervalos de confianza para los
coeficientes de regresin (|
I
) y teniendo la varianza
poblacional desconocida se construye un intervalo
asumiendo que esta variable tiene una distribucin
estadstica t a partir de las estimaciones de los
parmetros y sus varianzas por ejemplo: para |
n
o
o o
= s s 1 ) t t t ( ob Pr
2 / 2 /
o = s
o
| |
s
o
|
o
1 ) t
t ( ob Pr
2 /
1
1 1
2 /
Consultoria Virgen del Carmen S.A.
45
Multiplicando por 1
Despejando:
Sumando:
o o | | o |
o | o |
= + s s 1 )
( Pr
2 / 1 1 1 2 / 1 1
t t ob
1
|
o = >
o
| |
>
o
|
o
1 ) t
t ( ob Pr
2 /
1
1 1
2 /
o = o > | + | > o
| o o |
1 )
( ob Pr
1 2 / 1 1 2 / 1
o = o o | > | > o + |
| o | o |
1 )
( ob Pr
1 2 / 1 1 1 2 / 1 1
| | o o | o | |
o | o |
cin significa de nivel un con t
, t
2 / 1 1 2 / 1 1 1
+ e
Consultoria Virgen del Carmen S.A.
46
Ejemplo:
Ingreso : X
Consumo : Y
: Donde
| + = X Y
Nmero de
familia
Ingreso
X
Consumo
Y
1
2
3
4
5
6
7
8
9
10
80
100
120
140
160
180
200
220
240
260
70
65
90
95
110
115
120
140
155
150
Consultoria Virgen del Carmen S.A.
47
(
(
(
(
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
10
3
2
1
2
1
.
.
.
260 1
. .
. .
. .
120 1
100 1
80 1
150
.
.
.
90
65
70
|
|
y x x x ' ) ' (
1
= |
=
|
|
.
|
\
|
=
|
|
.
|
\
|
=
(
(
(
(
(
(
(
(
(
|
|
|
|
|
|
|
|
|
.
|
\
|
|
|
.
|
\
|
=
322000 1700
1700 10
x
x
260 1
. .
. .
. .
120 1
100 1
80 1
60 .........2 120 100 80
....1 .......... 1 1 1
' ) ' (
1
2
1
1
1
1
i
x
n
y x x x
Y X
Consultoria Virgen del Carmen S.A.
48
|
|
.
|
\
|
=
|
|
.
|
\
|
0.0000303 0.005152 -
0.005152 - 975757 . 0
10 1700 -
1700 - 322000
330000
1
|
|
.
|
\
|
=
|
|
|
|
|
|
|
|
.
|
\
|
|
|
.
|
\
|
=
205500
1110
150
.
.
.
65
70
80....260
1 .......... 1
' y x
|
|
.
|
\
|
=
|
|
.
|
\
|
=
|
|
.
|
\
|
|
|
.
|
\
|
=
2
1
50909 . 0
4545 . 24
205500
1110
0.0000303 0.005152 -
0.005152 - 0.975757
|
|
|
Consultoria Virgen del Carmen S.A.
49
ESTIMACION DE LA VARIANZA DEL TERMINO DE
PERTURBACION
132100
' ' '
) (
'
2
=
=
k n
Y X Y Y
k n
e e |
o
( ) 132100
150
.
.
.
65
70
50 .........1 65 70 ' =
|
|
|
|
|
|
|
|
.
|
\
|
= y y
( ) 5 . 131764
205500
1110
.5091 0 * 4545 . 24 ' ' =
|
|
.
|
\
|
= y x |
132,100-131,764
10-2
Consultoria Virgen del Carmen S.A.
50
Calculando Varianza
( )
|
|
.
|
\
|
=
0.0000303 0.005152 -
0.005152 - 0.975757
9375 . 41
1
| Var
( )
( )
0356 . 0
3969 . 6
00127 . 0 0000303 . 0 9375 . 41
9209 . 40 975757 . 0 9375 . 41
2
1
2
2
2
1
=
=
= =
= =
|
|
|
|
o
o
o
o
Reemplazando en la frmula tenemos:
Consultoria Virgen del Carmen S.A.
51
CONSTRUCCION DE INTERVALOS PARA |
I
Para un nivel de significacin del 5% observando en la
tabla t de student:
t
(n-k)o/2
= t
(10-2)0.05/2
= t
(8)0.025
= 2.306
| | 0.05 con 5919 . 0 , 4268 . 0
2
= e o |
| |
2 / i 1 , 2 / i 1 I
t
e
o | o |
o + | o | |
( ) ( ) | | 2306 0356 . 0 5091 . 0 , 2306 0356 . 0 5091 . 0
2
+ e |
Consultoria Virgen del Carmen S.A.
52
Otra forma de expresarlo con prob.:
Dado un coeficiente de confianza del 95% en el
I.p si se construye cien intervalos repetidos con
los lmites siguientes 0.4268 y 0.919, en el 95%
de ellos estaran verdadero parmetro
poblacional.
P(0.4268s|
2
s0.5919)=1-0.05=0.95
Contrastes de hiptesis
53
Econometra U. de Sevilla
Objetivos del tema
Conocer el proceso para contrastar hiptesis
Diferenciar entre hiptesis nula y alternativa
Nivel de significacin
Significacin
Toma de decisiones, tipos de error y cuantificacin del
error.
Contrastes de hiptesis 54
Econometra U. de
Sevilla
Contrastando una hiptesis
Creo que la edad
media es 40 aos...
Son
demasiados...
aos 20 = X
Gran
diferencia!
Rechazo la
hiptesis
Muestra
aleatoria
Contrastes de hiptesis
55
Econometra U. de Sevilla
Identificacin de hiptesis
Hiptesis nula H
o
La que contrastamos
Los datos pueden refutarla
No debera ser rechazada sin una buena
razn.
Hiptesis alternativa H
1
Niega a H
0
Los datos pueden mostrar evidencia a
favor
No debera ser aceptada sin una gran
evidencia a favor.
: H
: H
1
0
% 50 = p
% 50 = p
> s = , ,
> < = , ,
Contrastes de hiptesis 56
Econometra U. de
Sevilla
Razonamiento bsico
40 =
20 = X
Si supongo que H
0
es cierta...
... el resultado del experimento sera improbable.
Sin embargo ocurri.
qu hace un
cientfico cuando su
teora no coincide
con sus
predicciones?
Contrastes de hiptesis 57
Econometra U. de
Sevilla
Razonamiento bsico
40 =
20 = X
Si supongo que H
0
es cierta...
... el resultado del experimento sera improbable.
Sin embargo ocurri.
Rechazo que H
0
sea
cierta.
Contrastes de hiptesis 58
Econometra U. de
Sevilla
Razonamiento bsico
40 =
38 = X
Si supongo que H
0
es cierta...
... el resultado del experimento es coherente.
No hay evidencia contra H
0
No se rechaza H
0
El experimento no es
concluyente
El contraste no es significativo
Si una teora hace
predicciones con
xito, queda
probado que es
cierta?
Contrastes de hiptesis
59
Econometra U. de Sevilla
Regin crtica y nivel de
significacin
Regin crtica
Valores improbables si...
Es conocida antes de realizar el
experimento: resultados experimentales
que refutaran H
0
Nivel de significacin: o
Nmero pequeo: 1% , 5%
Fijado de antemano por el
investigador
Es la probabilidad de rechazar H
0
cuando es cierta
No rechazo H0
Reg. Crit. Reg. Crit.
o=5%
H
0
: =40
Regin aceptacin (1-
)
Contrastes de hiptesis 60
Econometra U. de
Sevilla
Contrastes: unilateral y bilateral
La posicin de la regin crtica depende de la hiptesis alternativa
Unilateral
Unilateral
Bilateral
H
1
: <40 H
1
: >40
H
1
: =40
Contrastes de hiptesis 61
Econometra U. de
Sevilla
Significacin: p
H
0
: =40
o
Contrastes de hiptesis 62
Econometra U. de
Sevilla
Significacin: p
43 = X
No se rechaza
H
0
: =40
H
0
: =40
o
Contrastes de hiptesis 63
Econometra U. de
Sevilla
Significacin : p
P
o
P o
50 = X
Se rechaza H
0
: =40
Se acepta H
1
: >40
El contraste es estadsticamente significativo cuando p<o
Es decir, si el resultado experimental discrepa ms de lo tolerado a priori.
El p-valor es el menor nivel de significacin al que rechazaramos H
0
Contrastes de hiptesis
64
Econometra U. de Sevilla
Resumen: o, p y criterio de rechazo
Sobre o
Es nmero pequeo,
preelegido al disear el
experimento
Conocido o sabemos
todo sobre la regin
crtica
Sobre p
Es conocido tras
realizar el experimento
Conocido p sabemos
todo sobre el resultado
del experimento
Sobre el criterio de rechazo
Contraste significativo p menor que o
Contrastes de hiptesis 65
Econometra U. de
Sevilla
Tipos de error al contrastar
hiptesis
Realidad
H
0
cierta H
0
Falsa
No Rechazo H
0
Correcto
Probabilidad 1-
Error de tipo II
Probabilidad
Rechazo H0
Acepto H
1
Error de
tipo I
Probabilidad
Correcto
Probabilidad 1-
.
Contrastes de hiptesis
66
Econometra U. de Sevilla
Conclusiones
Las hiptesis no se plantean despus de observar los datos.
En ciencia, las hiptesis nula y alternativa no tienen el mismo papel:
H
0
: Hiptesis cientficamente ms simple.
H
1
: El peso de la prueba recae en ella.
debe ser pequeo
Rechazar una hiptesis consiste en observar si p<
Rechazar una hiptesis no prueba que sea falsa. Podemos cometer error de tipo I
No rechazar una hiptesis no prueba que sea cierta. Podemos cometer error de
tipo II
Si decidimos rechazar una hiptesis debemos mostrar la probabilidad de equivocarnos.