Professional Documents
Culture Documents
ECONOMETRA I
SESIN DE REPASO:
CONCEPTOS BSICOS EN TORNO A LA CONSTRUCCIN DE UN MODELO ECONOMTRICO Y LAS CARACTERSTICAS DEL MODELO BSICO DE REGRESIN LINEAL
Ramn Maha
Octubre 2004
SESIN DE REPASO
IDENTIFICACIN
ESTIMACIN
CONTRASTE Y VALIDACIN
La identificacin es la etapa ms comprometida: supone el paso del modelo econmico al economtrico. La construccin de un modelo no termina con la identificacin y estimacin de los parmetros. El resultado de la estimacin inicial es slo un punto de partida hacia el modelo final que deber ser contrastado y validado. El proceso de validacin y contraste debe hacerse de forma ordenada pero generalmente no consistir en un proceso lineal sin vuelta atrs: se plantear la revisin de especificacin y estimacin.
SESIN DE REPASO
1.- Especificacin Examen del marco terico en el contexto de aplicacin Seleccin de la muestra de anlisis Seleccin de las variables relevantes Medicin y transformacin ad-hoc de las variables Seleccin de la forma funcional 2.- Estimacin Eleccin del mtodo de estimacin: examen de propiedades y posibilidades Obtencin de estimacin de parmetros y varianza de la perturbacin aleatoria 3.- Contraste de validez Anlisis de signos y cuanta Anlisis de bondad de los parmetros
C. Individuales C. Conjuntos
Anlisis a posteriori
SESIN DE REPASO
2.- SIMULACIN
La compaa AIRTEL encarg al Instituto L.R. Klein la elaboracin del proyecto de impacto econmico de la implantacin del 2 operador de telefona mvil en Espaa exigido por el Ministerio de Fomento en el pliego de concurso. El objetivo de este proyecto es el de evaluar como se modifica la inversin y la renta total nacional y el empleo por la inyeccin que supone la actividad de una compaa de estas magnitudes.
3.- PREDICCIN
El Centro de Estudios Latinoamericanos ha desarrollando un modelo de previsin de crisis cambiarias latinoamericanas. El modelo anticipa en trminos de probabilidad las correcciones bruscas del tipo de cambio de cada pas.
SESIN DE REPASO
Expresin matricial:
Y = X+U
y 1 1 y 1 2 y 3 1 . = . . . . . y n 1
(n x 1)
x 11 x 12 x 13
x 21 x 22 x 23
x1n
x2n
. . . . . . .
. . . . . . .
. . . . . . .
xk1 u1 x k 2 1 u 2 xk 3 2 u3 . + . . . . k . u n x kn
(k x 1) (n x 1)
(n x k)
SESIN DE REPASO
- ESTRUCTURALES
Admitimos una relacin lineal Admitimos permanencia estructural de los parmetros Entre las variables exgenas no debe existir relacin lineal
- RELATIVAS A LA PERTURBACIN ALEATORIA
Tan slo la variable presenta aleatoriedad (heredada de U) El trmino de error tiene media nula y varianza constante No existe correlacin entre errores correspondientes a observaciones diferentes
SESIN DE REPASO
MEDIA NULA
E[ui] = 0 i=1n
VARIANZA CONSTANTE
COVARIANZA NULA
Y = X+U
MEDIA NULA
E [u 1 ] = u1 u E [u 2 ] = 2 u3 E [u 3 ] = E [U ] = 0 E . = 0 . . . . . u n E [u n ] =
0 0 0
SESIN DE REPASO
2In
u1u 2 u2u2 u 3u 2 . . . unu2 u1u 3 u2u3 u 3u 3 . . . unu3 . . . . . . . . . . . . . . . . . . . . . u1u n u2un u 3u n . . . unun
u2
u3
u1 u 1 u u 2 1 u 3 u1 un ] = . . . u n u1
. . . . . . .
. . . . . . .
. 0 . 0 . 0 . . . . . . . 2
E[ui ui] =2 E[ui] 2 = 2 E[(ui-0)] 2=2 E[(ui- E[ui])] 2=2V[ui]=cte. E[ui uj] =0 E[(ui-0) (uj-0)] =0 E[(ui- E[ui]) (uj- E[uj])] =0Cov[ui uj ]=0
SESIN DE REPASO
MODELO ESTIMADO
SESIN DE REPASO
(S) = U'U
pero adems, el residuo puede expresarse como:
U = Y Y = Y X
luego podemos escribir:
SESIN DE REPASO
S = 0 0 2X 'Y + 2X ' X = 0
de donde:
= ( X ' X )1 X 'Y
ESTIMADOR DE M.V - Principio bsico: Se tomarn como estimadores aquellos valores de que resulte ms verosimil pensar que hayan generado nuestra muestra de errores con las propiedades que les hemos dotado (media nula y varianza constante). - Procedimiento matemtico: 1.- Se fija la funcin de verosimilitud a maximizar 2.- Se plantea la ecuacin de verosimilitud 3.- Se resuelve la ecuacin por un procedimiento lineal o iterativo - M.C.O y M.V: Si se obtiene la expresin del estimador M.V se observar que es la misma que la del estimador M.C.O para el caso del M.B.R.L
SESIN DE REPASO
1. Linealidad: La forma funcional que liga al verdadero valor del parmetro y al estimador es lineal 2. Insesgadez: El valor ms probable del estimador coincide con el verdadero valor del parmetro 3. Eficiencia: La desviacin entre el verdadero valor del parmetro estimado y el valor del estimador ser la menor posible. 4. Consistencia: La diferencia entre el valor estimado del parmetro y el real se anula para una muestra infinita
E.L.I.O
Estimador Lineal Insesgado ptimo(*)
(*) Optimo= Eficiente entre los insesgados lineales
SESIN DE REPASO
= +W U
Interpretacin: 1. La divergencia entre el valor del parmetro estimado y el real puede expresarse en trminos lineales 2. El error cometido en la estimacin es exclusivamente una porcin fija W del error cometido en la especificacin del modelo 3. (**) Las propiedades del estimador sern una funcin lineal de las propiedades de la perturbacin aleatoria.
SESIN DE REPASO
E =
Representacin:
P( = )
[]
SESIN DE REPASO
E [ ] 2 = min E
Idea conceptual: Dado que la esperanza matemtica del estimador coincide con el verdadero valor del parmetro varianza mnima implica mnimo alejamiento (error) entre la estimacin y el valor verdadero del parmetro. Expresin de la varianza del estimador MCO:
E [ ] 2 = V [ ] = 2 X ' X E u
SESIN DE REPASO
n n
lim V = 0 lim =
Idea conceptual:
()
Se admiten diferencias entre el verdadero valor poblacional del parmetro y el estimado en la muestra siempre y cuando se anulen cuando la muestra coincidiese con la poblacin
SESIN DE REPASO
N , 2 X ' X u