Professional Documents
Culture Documents
MCO para
TRANSVERSALES
5. MCO ASINTOTICOS
En el anlisis clsico de Regresin Lineal Mltiple se asumieron unos
supuestos que permitan obtener los mejores estimadores lineales
insesgados. Estos supuestos (SRLM1 a SRLM5) que se resumen en el
Teorema de Gauss Harkov, son supocisiones para muestras finitas. Es
decir, son vlidos para cualquier tamao de n. Sin embargo, adems de las
propiedades de muestras finitas, es importante conocer las propiedades
asintticas o de muestra grande de los estimadores y de los estadsticos de
prueba. Las propiedades asintticas no estn definidas para un tamao de
muestra dado, sino para cuando el tamao de la muestra crece
indefinidamente. En las prximas secciones se hace un anlisis intuitivo de
estas propiedades.
5.1 CONSISTENCIA
Una de las propiedades ms importantes de los estimadores, es la de
insesgamiento; sin embargo a veces no es posible conseguirla. Por esto, en
algunas ocasiones se pueden obtener regresiones lineales cuyos parmetros
estimados no cumplen con esta propiedad. En otras palabras, no todos los
estimadores tiles son insesgados; pero los expertos si coinciden en los
parmetros deben satisfacer como mnimo la consistencia.
Supongamos que i es el estimador MCO de i para alguna i. Para cada n,
i tiene una distribucin de probabilidad; como i es insesgado bajo las
supocisiones SRLM1 a SRLM4, esta distribucin tiene un valor promedios
de i . Si este estimador es consistente, entonces la distribucin de i se
concentra cada vez ms alrededor de i a medida que el tamao de la
39
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
Porque la Cov(x1,u) = 0.
Inconsistencia
Si no se satisface que Cov(x1,u) = 0; es decir que el E (u x1 ,..., x k ) 0 ,
entonces se tienen estimadores inconsistentes. En otras palabras, si el error
se correlaciona con cualquiera de las variables independientes, los MCO son
sesgados e inconsistentes. La inconsistencia puede expresarse como:
p lim i i Cov ( x1 , u ) Var ( x1 )
Y1 , Y2 ,..., Yn
2.
Entonces,
40
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
Sea Wn : n 1,2,... una sucesin de variables aleatorias, tal que para toda z,
se tenga que P(Wn w) ( w) cuando n . Esto significa que la funcin de
distribucin acumulada Wn se acerca cada vez ms a la fda de la distribucin
normal estndar, conforme se hace ms grande n, el tamao de la muestra.
Para nuestros intereses se puede expresar que, de acuerdo con las
suposiciones de Gauss Markov SRLM1 a SRLM5 ( i i ) Normal(0,1)
i
41
Notas de Econometra I
Cortes Transversales y Series de Tiempo
6.
ANLISIS
DE
CORTE
INFORMACIN CUALITATIVA
MCO para
TRANSVERSAL
42
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
Coeficientes
-0.128
0.268
-0.097
-0.069
-0.071
-0.522
-0.545
Errores
0.18
0.173
0.179
0.182
0.183
0.172
0.175
43
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
conjuntos de datos: antes del evento y despus del evento, para poder
determinar el efecto. Generalmente, las aplicaciones de esta metodologa
tienen que ver con datos que surgen de experimentos naturales. Es decir,
cuando algn suceso exgeno cambia el ambiente en ele que desenvuelven
los individuos, las familias, las empresas o las ciudades. El conjunto de datos
para una aplicacin de este tipo esta conformado por un grupo control, que
no se afecta por el cambio de poltica, y uno de tratamiento, que si ve
afectado.
Para controlar las diferencias sistemticas entre estos dos grupos,
necesitamos datos de dos aos, un ao antes y u aos despus de la
aplicacin de la poltica. De esta forma, generalmente la muestra se divide
en cuatro grupos: el grupo de control antes y despus del cambio, y el grupo
de tratamiento antes y despus del cambio.
Supongamos que A es el grupo de control y B es el grupo de tratamiento, y
construyamos una variable ficticia dB igual a uno para los de B. As mismo,
d2 es una variable ficticia para el segundo perodo. Por lo tanto, un modelo
general para estimar el efecto de una poltica puede ser el siguiente:
y 0 0 d 2 1dB 1d 2 dB otros factores
44
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
7. HETEROSCEDASTICIDAD
7.1
QU
ES
CONSECUENCIAS
LA
HETEROSCEDASTICIDAD?:
CAUSAS
45
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
heteroscedasticidad es
(x
i 1
x ) 2 ui2
STC x2
Una formula similar a la anterior basada en SRLM1 a SRLM4 es
n
Va r( j )
r
i 1
2
ij
u i2
2
j
STC
de xj sobre todas las dems variables independientes. La raz cuadrada de la
expresin anterior se denomina error estndar robusto a la
heteroscedasticidad. En ocasiones, como una correccin con los grados de
libertad los errores estndares robustos con la heteroscedasticidad se
multiplican por n (n k 1) antes de extraer la raz cuadrada.
Una vez se calculan los errores estndares robustos a la heteroscedasticidad
es posible calcular un estadsticos robustos a la heteroscedasticidad. Por
ejemplo es estadstico t robusto a la heteroscedasticidad es:
t
la
la
la
se
y 1 2 x 2 3 x3 4 x 4 5 x5 6 x6 u
46
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
47
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
Bajo
esta
regresin
la
hiptesis
nula
de
heteroscedasticidad
es
Ru22 k
1 Ru22 (n k 1)
48
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
1
x2
x2
x2 x2
Donde, u x22 es igual a
E (v 2 ) E (u x 2 ) 2 1 x 22 E (u 2 )
1
2 x 22
x 22
49
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
1
x u
1 1 / 2 2 12/ 2 1 / 2
x
x2
x 2 x2
es igual a v . Desarrollando se tiene que
y
1/ 2
2
Donde, u x12 / 2
E (v 2 ) E (u x12 / 2 ) 2 1 x 2 E (u 2 )
1
2 x 2
x 2
50
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
51
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
X es
la
misma
para
toda
t:
52
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
53
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
se
un
en
se
en
54
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
1 1
55
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
(u
t 2
Definiendo a
2
t
u t21
u u
u
t
2
t 1
2
t
u t 1 ) 2
t n
u
d
Asumiendo que
t 2
2
t
2
t
u t21 2 ut ut 1
2
t
ut ut21
d 2 1
2
tanto 0 d 4
Bajo la hiptesis nula de H 0 : No Autocorrelacin (No Correlacin Serial).
Se tienen las siguientes conclusiones. Si d se encuentra entre:
0 <d < dl Rechazar la hiptesis H0 y se concluye que hay correlacin
serial positiva.
dl <d < du Zona de Indecisin. No se puede concluir.
du < d < 4 du No se Rechaza la H0 y se concluye que No hay
autocorrelacin.
4 du < d < 4 dl Zona de Indecisin. No se puede concluir.
4 dl < d < 4 Rechazar la hiptesis H0 y se concluye que hay
correlacin serial negativa.
Jhon Alexis Daz Contreras
56
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
57
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
la
d
2
58
Notas de Econometra I
Cortes Transversales y Series de Tiempo
MCO para
59