El modelo simple de regresin

La intencin es analizar la relacin entre

variables En este caso Y depende de x.

Se enfrentan tres problemas
1. Como la relacin no es exacta cmo se pueden
incluir otras variables
2. Cul es la forma funcional
3. Cmo se pueden capturar situaciones cp


Modelo economtrico
Explicar la relacin entre el gasto en comida y
el ingreso
Si se parte del supuesto que la relacin es
lineal (modelo econmico)
Plantea el modelo matemtico de la siguiente
manera:
E(y/x)=
1
+
2
x
Grficamente esto quiere decir que
.
.
x
1
x
2

E(y|x) es una funcin lineal de x, por tanto para cada observacin
de x la distribucin de y est centrada en E(y|x)
E(y|x) = b
0
+ b
1
x
y
f(y)
Trminos
Y es:

Variable dependiente
Variable de lado izquierdo
Variable explicada
Variable endgena
Nos referimos a x como

La variable independiente
La variable del lado derecho
La variable que explica
Regresor

Supuestos simples
1. El valor medio de y para cada valor de x est
dado por la funcin
E(y/x)=
1
+
2
x

2. Para cada valor de x, los valores de y
corresponden a la media de una distribucin de
probabilidad que tienen todas la misma varianza
es decir
1. Var (y/x) =
2
3. Los valores de y no deben estar correlacionados
y por tanto las covarianza son cero es decir
1. Cov(y
i,
y
j
)=0

4. La variable x no es aleatoria

5. Los valores de y tienen una distribucin
normal es decir
Y ~ N( (
1
+
2
x),
2
)

El trmino error
1. Cada observacin de y tiene dos componentes
1. Sistemtico = E(y/x)=
1
+
2
x (es una expresin matemtica se
puede calcular

2. Aleatorio. Es la diferencia entre la observacin y respecto a su
valor condicional estimado es decir E(y/x)=
1
+
2
x Por tanto
u= y- E(y/x)

Como E(y/x) =
1
+
2
x

Entonces y -
1
+
2
x = u y

Y =
1
+
2
x + u










Supuesto simples respecto a u
El valor medio de u, el trmino de error, de la poblacin
es 0. Es decir:

E(u) = 0 debido a que
E(e/x) = E(y/x) -
1
+
2
x =0

Supuesto en relacin entre u y x

Hay que asegurar que x no tiene informacin de u es
decir que no estn relacionados. Es decir que

E(u|x) = E(u) = 0, lo que implica que
E(y|x) = b
1
+ b
1
x
Var(u) =
2
(es constante)
Cov (u
i
,u
j
) = 0

u ~ N (0,
2
)
Mnimos cuadrados ordinarios
La idea bsica es estimar los parmetros de
una poblacin basado en una muestra
Sea {(x
i
,y
i
): i=1, ,n} una muestra aleatoria de
tamao n de una poblacin
Para cada observacin de esta muestra tiene
que ser el caso que

y
i
= b
1
+ b
1
x
i
+ u
i

.
.
.
.
y
4
y
1
y
2
y
3
x
1
x
2
x
3
x
4
}
}
{
{
u
1
u
2
u
3
u
4
x
y
Lnea de regresin, puntos de la muestra y los
trminos de error
E(y|x) = b
0
+ b
1
x
De manera intuitiva el mtodo consiste en
estimar una lnea que pase por los puntos
muestrales de tal forma que la suma al
cuadrado de los errores sean lo menor posible

El error, es por tanto la diferencia entre la
lnea estimada y los puntos muestrales como
se ve en la grfica

Por lo tanto se debe minimizar la funcin





n
i
i i
n
i
i
x y u
1
2
1 0
1
2

b b
Que se puede escribir como







) 2 2 2 (
1 0 1 0
2
1
2 2
0
2
b b b b b b x x Y Y x Y
i i i i i

i i i
i
i i
x x Y Y x N Y
1 0 1 0
2 2
1
2
0
2
2 2 2 b b b b b b
S
--- = 2N
0
- 2Y
i
+ 2
1
x
i


0



S
--- = 2 x
2
i

1
- 2 x
i
Y
i
+ 2
0
x
i

1


Igualando a cero
2(Y
i
- N
0
- x
i

1

) = 0
2( x
i
Y
i
- x
i

0
- x
2

1
) = 0
arreglando

N
0
+ x
i

1
= Y
i
x
i

0
+ x
2

1
= x
i
Y
i

Para despejar
0
y
1
Multiplicando la primera por x
i
Nx
i

0
+ ( x
i
)
2

1

= Y
i
x
i
y la segunda por N
N x
i

0
+ N x
2

1
= N x
i
Y
i

Restando dos de uno:
(Nx
2
- ( x
i
)
2

1
= N x
i
Y
i
- Y
i
x
i

N x
i
Y
i
- Y
i
x
i

1
= ----------------------
(Nx
2
- ( x
i
)
2


de N
0
+ x
i

1
= Y
i

0
= y -
1
x (poner rayas encima de y y x)

donde Y = Y
i
/N y x = x
i
/ N



Supongamos que queremos estimar los
parmetros de la funcin de consumo
keynesiana Y =
0
+
1
x
i
+ u
i

Donde Y= Gasto x= Ingreso

Para ello se dispone de una muestra de n
datos de gasto y de ingreso
Observaciones gastos ingresos
1 9.46 25.83
2 10.56 34.31
3 14.81 42.50
4 21.71 46.75
5 22.79 48.29
6 18.19 48.77
7 22.00 49.65
8 18.12 51.94
9 23.13 54.33
10 19.00 54.87
11 19.46 56.46
12 17.83 58.83
13 32.81 59.13
14 22.13 60.73
15 23.46 61.12
16 16.81 63.10
17 21.35 65.96
18 14.87 66.40
19 33.00 70.42
20 25.19 70.48
21 17.77 71.98
22 22.44 72.00
23 22.87 72.23
24 26.52 72.23
25 21.00 73.44
26 37.52 74.25
27 21.69 74.77
28 27.40 76.33
29 30.69 81.02
30 19.56 81.85
31 30.58 82.56
32 41.12 83.33
33 15.38 83.40
34 17.87 91.81
35 25.54 91.81
36 39.00 92.96
37 20.44 95.17
38 30.10 101.40
39 20.90 114.13
2323 . 0
) 2792 ( ) 23 . 210206 )( 40 (
) 78 . 943 )( 2792 ( ) 04 . 69435 )( 40 (
2
1

0
= 23.59-(0.2323)(69.8)=7.3832

Por lo tanto la estimacin para la relacin entre el
consumo y el ingreso es

Y
i
= 7.38 + 0.23x
i

0.23 representa el aumento en el consumo
cuando aumenta $1 el ingreso. Es decir si el
ingreso aumenta 100 el consumo aumenta en
23.

Si se quiere estimar los cambios porcentuales del
aumento en el gasto como consecuencia del
aumento en el ingreso es necesario calcular la
elasticidad
elasticidad =
1
x/Y = 0.23 x/Y si se toman las
medias de x y Y el resultado es 0.68

Es decir si aumenta en 1% el ingreso el consumo
o gasto aumentara en 0.7%



1
o intercepto representa el consumo cuando el ingreso
es cero Sin embargo esta interpretacin debe tomarse
con cuidado. Si no tenemos datos relacionados con el
consumo cuando el ingreso es igual a cero, es peligroso
tomar este dato como general.

Es posible utilizar el modelo para hacer predicciones por
ejemplo pensar en cuanto aumentara el consumo si el
ingreso de los consumidores fuera de 100 La prediccin
es

C = 7.38 + 0.23(100)= 30.61 Es decir esperamos que si el
ingreso es de 100 el gasto en consumo sea de 30.61

Tarea
Estimar la relacin entre el salario de los
ejecutivos de una casa de cambios (salary) y
el rendimiento de las acciones (roe).

Interpretar el resultado