Escolar Documentos
Profissional Documentos
Cultura Documentos
de regresin
lineal mltiple:
especificacin, estimacin y contraste
PO1/85014/00170
FUOC P01/85014/00170 Modelo de regresin lineal mltiple
ndice
Introduccin .............................................................................................. 5
Objetivos...................................................................................................... 7
1. Introduccin a la econometra........................................................ 9
1.1. Qu es la econometra? ................................................................... 9
1.2. Variables, relaciones y parmetros.................................................... 10
1.3. La modelizacin economtrica. Fases de la investigacin
economtrica..................................................................................... 12
1.4. Objetivos de la modelizacin economtrica .................................... 14
Introduccin
Este mdulo didctico est formado por los tres apartados siguientes:
e) Las medidas que nos permitirn cuantificar la bondad del ajuste y evaluar
el modelo.
e) Los estimadores restringidos (aquellos que hacemos que cumplan las res-
tricciones lineales planteadas) y sus propiedades.
Objetivos
Una vez trabajados los contenidos de este mdulo didctico, los estudiantes
tenis que ser capaces de:
1. Introduccin a la econometra
El objetivo de este apartado es presentar las bases sobre las cuales se asienta la
metodologa economtrica. Por ello, en primer lugar, despus de una pequea
introduccin sobre cuestiones como, por ejemplo, el origen de la econometra y
qu es la econometra, presentamos toda una serie de conceptos bsicos y, cuan-
do nos hayamos familiarizado con ellos, abordaremos el cuerpo central del
mdulo: la modelizacin economtrica. Con esta finalidad, explicamos las dife-
rentes etapas que hay que seguir en todo estudio economtrico. Para acabar, pre-
sentamos los objetivos que se pueden alcanzar con un estudio de este tipo.
1.1. Qu es la econometra?
As, por ejemplo, siguiendo el modelo keynesiano consumo-renta, el consu- Consultad el modelo keynesiano
!
consumo-renta en la asignatura
mo de los individuos depende de (se explica por) la renta de cada uno de Macroeconoma.
ellos. Por tanto, en este modelo, la variable endgena (aquello que queremos
conocer y explicar) es el consumo de los individuos, y la variable explicativa
(aquello que permite explicarlo) es la renta de los individuos. Se trata, pues,
de un modelo simple. Si partimos de la hiptesis de que, adems de la renta
de los individuos, el nmero de hijos tambin permite explicar las pautas de
comportamiento del consumo, tendremos dos variables explicativas y, por
tanto, estaremos ante un modelo mltiple.
FUOC P01/85014/00170 11 Modelo de regresin lineal mltiple
Ci 5 1 Yi .
La funcin anterior, tal y como se puede ver, es determinista. Nos dice, por ejemplo,
que para un nivel de renta Y1 el consumo ser C1 y que para un nivel de renta Y2 el
consumo ser C2.
Ci 5 1 Yi 1 Ni .
Entre la variable endgena y las variables explicativas* existe, de acuerdo * De ahora en adelante
supondremos que trabajamos
con lo que hemos comentado en el prrafo anterior, una relacin de cau- con un modelo mltiple.
salidad que se caracteriza por el hecho de ser unidireccional: los compor-
tamientos de las variables explicativas causan (determinan, explican) el de
La relacin entre
la variable endgena. Precisamente la existencia de esta relacin de causa-
lidad es la que permite formular un modelo. No obstante, esta relacin que la variable endgena y las
variables explicativas no es
se establece entre las variables del modelo puede ser de muchos tipos: line- lineal o linealizable en todos
los casos. A veces, nos
al, cuadrtica, exponencial, logartmica, etc. En consecuencia, en el momen- encontraremos ante modelos
to de especificar el modelo hay que determinar (tambin de acuerdo con los no lineales, que tambin se
podran estudiar, pero que
postulados de la teora econmica) la forma funcional que adopta la rela- quedan fuera de los objetivos
de este material didctico.
cin entre la variable endgena y las explicativas. De todos modos, en el
mbito del modelo que estudiaremos supondremos que la relacin es line-
al y que, si no lo es, se puede linealizar mediante una transformacin ade-
cuada.
Q i 5 (Pi ,Pi ),
donde Pi sera el precio del bien y Pi , el precio de los productos sustitutivos. A partir de Consultad cmo se puede especificar
!
este modelo se podra especificar un modelo economtrico. un modelo economtrico en el
subapartado 2.1 de este mdulo didctico.
2) El otro pilar bsico, los hechos (sucesos del mundo real referidos al fen-
Ejemplos de tipos
meno que se investiga), se concreta en una serie de datos que pueden ser de de datos
corte transversal, si hacen referencia a distintos individuos en el mismo ins- Las observaciones (datos)
tante de tiempo, o de serie temporal, si se observan durante un periodo de correspondientes a las ventas
de un conjunto de empresas
tiempo determinado. referidas a un mismo periodo
(ao, trimestre, etc.)
constituyen un conjunto
Para garantizar la calidad de los datos es necesario, a veces, someterlos a un de datos de corte transversal.
Por otro lado, las ventas de
tratamiento previo (deflacin, enlace, interpolacin de datos ausentes, obten- una empresa realizadas, por
ejemplo, desde 1960 hasta
cin de la tendencia de la serie, etc.). Saber de qu informacin estadstica se 1997 constituyen una serie
dispone (de qu variables se tiene informacin) tambin condiciona el mode- temporal.
2.1. Especificacin
Y
5 j ;j 5 2, ..., k. (2.4)
Xj
La relacin entre la variable endgena Y y las variables explicativas X, tal Observad la linealidad en los ejemplos
!
de modelo simple y modelo mltiple
como ya se ha visto hasta ahora, es determinista, es decir, no es aleatoria. No en el subapartado 1.2 de este mdulo
didctico.
obstante, en la realidad, no se cumple casi nunca que las relaciones entre las
variables econmicas sean de este tipo, sino que las relaciones de dependen-
cia tienen un cierto grado de aleatoriedad. Recordemos la funcin keynesia-
na de consumo, que estipula que el consumo de las unidades domsticas
depende de su renta:
Ci 5 1 Yi.
c) El tercer factor lo constituyen los errores de medida en las variables inclui- * Los errores en la ecuacin
se pueden deber a una mala
das en el modelo y los errores en la ecuacin*. especificacin del modelo.
Pues bien, este trmino que incorporaremos se conoce con el nombre de tr-
mino de perturbacin y lo representaremos con la letra u.
Corte transversal:
Puesto que trabajar con el sistema anterior es bastante pesado, ya que tene-
mos tantas ecuaciones como observaciones, lo expresaremos habitualmente
de manera matricial. Por lo tanto, la expresin 2.7 puede escribirse de la
manera siguiente:
Y = XB + U, (2.8)
u1 1. observacin
u2 2. observacin
u3 3. observacin
U5 A A (2.12)
ui i-sima observacin
A A
uN N-sima observacin.
En el MRLM que ya hemos formulado, es necesario que hagamos un conjun- Consultad la formulacin del MRLM
!
en el subapartado 2.1 de este mdulo
to de hiptesis bsicas para poder determinar las propiedades de los estima- didctico.
Este conjunto de hiptesis se refiere al conjunto del modelo y, de hecho, ya Consultad la introduccin de las hiptesis
!
generales del modelo en el subapartado
se ha mencionado. Lo vemos a continuacin: 2.1 de este mdulo didctico.
El conjunto de hiptesis que formularemos a continuacin hace referencia al Consultad el trmino de perturbacin
!
en el subapartado 2.1 de este mdulo
didctico.
comportamiento del trmino de perturbacin, que, como ya hemos dicho antes,
es la fuente de aleatoriedad del modelo y el trmino que incluye todas aquellas
variables o aspectos que puntualmente han tenido influencia en el comporta-
miento de la variable endgena. De todas maneras, este trmino por s solo no
tiene ningn poder explicativo sobre la evolucin de la variable endgena.
1) Supondremos que la esperanza matemtica de los trminos de perturba- Recordad los conceptos de esperanza
!
matemtica y de varianza de una variable
cin es cero, es decir: aleatoria, tratados en el subapartado
1.2 del modulo Clculo de probabilidades
y ampliaciones de la asignatura
Estadstica II.
E[ui] 5 0 ;i 5 1, ..., N,
o, en notacin matricial:
u1 E[u1] 0
u2 E[u2] 0
u3 E[u3] 0
E[U ] 5 A 5 A 5 A 5 0 N 1. (2.13)
ui E[ui] 0
A A A
uN E[uN] 0
FUOC P01/85014/00170 21 Modelo de regresin lineal mltiple
Lo que se supone con esta hiptesis es que, por trmino medio, el efecto con-
junto de los factores incluidos en el trmino de perturbacin es nulo. Es decir,
que los efectos puntuales de las variables que no se consideran relevantes se
compensan entre s.
Como veremos ms adelante, la hiptesis anterior se cumplir siempre que el Con referencia a la correccin
!
del modelo, consultad las hiptesis
modelo est especificado correctamente, en el sentido de que todas las varia- sobre las variables explicativas en el
subapartado 2.2.3 de este mdulo
didctico.
bles relevantes, a la hora de explicar el comportamiento de la variable end-
gena, se han incorporado a la matriz X.
Por lo tanto, dado que hemos supuesto que la esperanza matemtica del tr-
mino de perturbacin es E[u] = 0, a partir de la expresin anterior obtenemos
la expresin de la covarianza e imponemos que valga cero:
Por otro lado, cuando el trmino de perturbacin del modelo cumple las pro-
piedades de homoscedasticidad y de ausencia de autocorrelacin, decimos
que su matriz de varianzas y covarianzas es escalar. La forma general de la
matriz de varianzas y covarianzas es la siguiente: !
VAR[u1] COV[u1,u2] COV[u1,u3] ... COV[u1,uN]
COV[u2,u1] VAR[u2] COV[u2,u3] ... COV[u2,uN]
VAR[U ] 5 COV[u3,u1] COV[u3,u2] VAR[u3] ... COV[u3,uN] .
A A A A
COV[uN,u1] COV[uN,u2] COV[uN,u3] ... VAR[uN]
u2 0 0 ... 0 1 0 0 ... 0
0 u2 0 ... 0 0 1 0 ... 0
VAR[U ] 5 0 0 2 ... 0 5 u2 0 0 1 ... 0 5 u2 IN,
u
A A A A A A A A
0 0 0 ... u2 0 0 0 ... 1
c) Es una matriz definida positiva, ya que los valores de los elementos de su diagonal
son varianzas (y, por tanto, positivos) y se puede comprobar que los menores de la
matriz tambin son definidos positivos.
u2 ;i 5 j i,j 5 1, ..., N.
E[ui uj] 5 { 0 ;i j i,j 5 1, ..., N.
(2.16)
Ley de distribucin
Para finalizar con las hiptesis relativas al trmino de perturbacin, normal
podemos ver que todas son susceptibles de ser resumidas en notacin Recordad la representacin
grfica de la funcin de
matricial en la expresin siguiente: densidad de una distribucin
normal con esperanza 0
U , N(0N1,u2 IN), y varianza 2, N(0,2).
ui , N(0,u2 ) ;i 5 1, ..., N.