SESIN DE REPASO

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

ETAPAS PARA LA CONSTRUCCIN DE UN MODELO ECONOMTRICO

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

ETAPAS A CUBRIR PARA LA REALIZACIN DE UN MODELO ECONOMTRICO

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

Contraste de hiptesis bsicas

Estructurales Relativas a la Perturbacin Aleatoria

4.- Validacin del modelo Anlisis a priori:

Errores frente a la realidad Anlisis de puntos de cambio de tendencia

Anlisis a posteriori

SESIN DE REPASO

USOS DEL MODELO ECONOMTRICO

Anlisis estructural Simulacin Prediccin Contraste teoras econmicas

1.- ANLISIS ESTRUCTURAL

El modelo T.H.O.R. del Instituto L.R. Klein y R.E.E. pretenda establecer las necesidades de demanda de energa en virtud de tres efectos: efecto laboralidad, efecto temperatura y efecto actividad econmica.

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.

4.- CONTRASTE DE TEORAS ECONMICAS

Mltiples estudios aplicados en datos de panel han probado que el cumplimiento de la PPP no es homogneo ni radical como apunta la teora econmica y han permitido identificar qu fricciones de mercado lo impiden.

SESIN DE REPASO

MODELO BSICO DE REGRESIN LINEAL

OBJETIVO: Cuantificar la relacin existente entre una variable endgena y un conjunto de variables exgenas, todas ellas cuantitativas en sentido estricto (escala de razn), mediante una aproximacin no determinista del problema.
MODELO: MODELO REAL(n datos y k variables explicativas)

yi = 0 + 1x1i + 2x2i +......... k xki +ui +

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)

MODELO ESTIMADO y ERROR

yi = 0 + 1x1i + 2x2i +......... k xki + ui =ei = yi yi

SESIN DE REPASO

MODELO BSICO DE REGRESIN LINEAL

CARCTER BSICO DEL MODELO
El modelo se llama modelo bsico por incorporar a la expresin de un modelo lineal lo que SCHMIDT (1976) llam las hiptesis ideales. Estas hiptesis permiten generalizar procedimientos, clculos, procedimientos de inferencia independientemente de parmetros desconocidos.

- 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

MODELO BSICO DE REGRESIN LINEAL

CARCTER ESTOCSTICO DEL MODELO (U)
y i = 0 + 1 x1i + 2 x 2 i + ......... + k x ki + ui

MEDIA NULA

E[ui] = 0 i=1n
VARIANZA CONSTANTE

V[ui] = E[ui-E[ui]] = i=1n

2 2

COVARIANZA NULA

Cov[ui uj] = E[(ui-E[ui])( uj-E[uj])] = 0 ij

- EN TRMINOS MATRICIALES......

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

VARIANZA CONSATANTE Y COVARIANZA NULA E[UU]=

2In
u1u 2 u2u2 u 3u 2 . . . unu2 u1u 3 u2u3 u 3u 3 . . . unu3 . . . . . . . . . . . . . . . . . . . . . u1u n u2un u 3u n . . . unun

u1 u 2 u3 [UU '] = . [u1 . . u n

u2

u3

u1 u 1 u u 2 1 u 3 u1 un ] = . . . u n u1

E[u1u1 ] E[u u ] 2 1 E[u3u1 ] 2 E[UU'] = I n . . . E[un u1 ]

E[u1u2 ] . . . E[u2u2 ] . . . E[u3u2 ] . . . . . . . . . . . . . . . . . . E[un u2 ] . . .

E[u1un ] 2 0 0 E[u2un ] 0 2 0 E[u3un ] 0 0 2 . = . . . . . . . . . . . E[un un ] 0 0 0

. . . . . . .

. . . . . . .

. 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

ESTIMACIN DEL MBRL

Planteamiento bsico

yi =0 +1 x1i +2 x2i +......... k xki +ui +

MODELO REAL

MODELO ESTIMADO

+ yi = 0 + 1x1i + 2x2i +......... k xki

Parmetros (* fundamentales) Propiedades de la perturbacin aleatoria - Dos mtodos bsicos pero no nicos: Mnimos Cuadrados Ordinarios (M.C.O) Mxima Verosimilitud (M.V)

SESIN DE REPASO

ESTIMACIN DEL MBRL

ESTIMADOR DE M.C.O - Principio bsico: Utilizar como estimador aquellos parmetros de que minimicen los residuos obtenidos en la regresin. - Procedimiento matemtico: 1.- Se especifica la expresin de los residuos 2.- Se deriva esa expresin con respecto al estimador - Desarrollo matemtico matricial: Se trata de minimizar :

2 2 2 (S) = u12 + u2 + u3 + .........+ un

que matricialmente es lo mismo que:

(S) = U'U
pero adems, el residuo puede expresarse como:

U = Y Y = Y X
luego podemos escribir:

(S) = U'U = (Y X )'(Y X )

SESIN DE REPASO

ESTIMADOR DE M.C.O (Cont.) desarrollando:

S = Y 'Y Y ' X ' X 'Y + ' X ' X

= Y 'Y 2 ' X 'Y + ' X ' X
y derivando queda:

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

M.V. = M.C.O = ( X ' X )1 X 'Y

SESIN DE REPASO

PROPIEDADES DEL ESTIMADOR MCO

LINEALIDAD INSESGADEZ EFICIENCIA CONSISTENCIA

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

PROPIEDADES DEL ESTIMADOR MCO (Cont.)

LINEALIDAD INSESGADEZ EFICIENCIA CONSISTENCIA

Expresin matemtico matricial:

= +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

PROPIEDADES DEL ESTIMADOR MCO (Cont.)

LINEALIDAD INSESGADEZ EFICIENCIA CONSISTENCIA

Expresin matemtico matricial:

E =
Representacin:
P( = )

[]

SESIN DE REPASO

PROPIEDADES DEL ESTIMADOR MCO (Cont.)

LINEALIDAD INSESGADEZ EFICIENCIA CONSISTENCIA

Expresin matemtico matricial:

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

PROPIEDADES DEL ESTIMADOR MCO (Cont.)

LINEALIDAD INSESGADEZ EFICIENCIA CONSISTENCIA

Expresin matemtico matricial:

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

PROPIEDADES DEL ESTIMADOR MCO (Cont.)

Asumiendo la normalidad, podemos decir que la distribucin del estimador ser:

N , 2 X ' X u