Universidad Austral de Chile

Escuela de Ingeniera Comercial

Econometra
Ayudanta # 01, Conceptos Generales, Modelo de Regresin



Profesor: Carlos R. Pitta
1




1
cpitta@spm.uach.cl

Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01

Parte 01: Comentes
Seale si las siguientes afirmaciones son verdaderas, falsas o ambiguas

Comente 01: Puesto que la correlacin entre dos variables, Y y X, puede variar de -1 a +1, esto
significa que cov(Y, X) tambin est dentro de esos lmites.
Comente 02: Si la correlacin entre dos variables es cero, esto quiere decir que no existe
ninguna relacin entre las dos variables.
Comente 03: Si se hace la regresin de Yi sobre

(es decir, la Yreal sobre la Yestimada), el valor

de la interseccin y de la pendiente sern O y 1, respectivamente.
Parte 02: Problemas
Problema 1 (20 pts): Modelo Simple.
Una encuesta de Ingreso Familiar a 10 Familias Representativas ha sido llevada a cabo. A usted
se le proporciona la siguiente informacin, en donde x (minscula) representa al Ingreso
Familiar mientras que y (minscula) representa al consumo. NOTE QUE LA INFORMACIN SE
PROPORCIONA COMO DESVOS DE LA MEDIA. Adems, usted sabe que los primeros momentos
son: E(x)=0.13 y E(y)=15.4
n x Y e
1 -1.56 -5.40 -0.71
2 -1.56 -3.40 1.29
3 -0.96 -3.40 -0.52
4 -0.36 -1.40 -0.32
5 -0.36 -0.40 0.68
6 0.24 0.60 -0.12
7 0.24 0.60 -0.12
8 0.84 1.60 -0.92
9 1.44 4.60 0.27
10 2.04 6.60 0.47
0.00 0.00 0.00

1. (5 pts) Calcule el modelo
Y
i
= B
1
+ B
2
*X
i
+ e
i.

Es decir, encuentre los valores
numricos para B
1
y B
2.

2. (5 pts) Calcule de manera
aproximada el R
2
para esta
regresin particular.
3. (5 pts) Calcule la DESVIACIN
ESTNDAR para el parmetro
B
2
.
4. (5 pts) Son los resultados
acordes con las teoras clsicas
del consumo? Existe alguna
crtica que usted pueda hacer
a este modelo, basado en los
resultados de esta muestra en
particular?


Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01

Problema 2 (30 pts): Utilizando de nueva cuenta el modelo:
i i i
e X Y + + =
1 0
o o
Demuestre (es suficiente que lo demuestre para
1
) que los estimadores basados en el Modelo
Lineal Clsico MICO son:
1. Lineales. (3 pts)
2. Insesgados. (7 pts)
3. Eficientes. (15 pts) Para ello, calcule primero su varianza en trminos de las Xs y de la
varianza poblacional desconocida. (5 pts) Despus, obtenga un estimador para la
varianza poblacional y demuestre que dicho estimador es insesgado. (5 pts) Por ltimo,
demuestre el teorema de Gauss-Markov. (5 pts).
4. La (el) Novia (o) que ms le ha interesado hasta el momento t
0
le invita finalmente a
conocer a sus padres durante una cena. Esta es una ocasin importantsima y usted de
ninguna manera quiere pasar vergenzas. Lamentablemente, el padre de su pareja es
un estadstico bastante prominente. En el transcurso de la velada, el estadstico se
enfrasca en una frrea defensa de los Estimadores Mnimos Cuadrados Ordinarios
(MICO). l arguye que, si se cumplen todos los supuestos del modelo clsico de
regresin lineal, el Teorema de Gauss-Markov garantiza que los estimadores MICO son
los Mejores Estimadores Lineales Insesgados (MELI), por lo tanto, son los mejores
estimadores posibles. Utilizando su mejor pose de intelectual, su suegro contina
diciendo que incluso utilizando otros mtodos de estimacin, como Mxima
Verosimilitud o el Mtodo de Generalizado de Momentos, en el mejor de los casos slo
podramos encontrar un estimador que iguale a MELI. Usted, desesperado por decir algo
inteligente, recuerda su curso de Econometra. Es verdadero o falso el argumento de su
suegro? Fundamente su respuesta. (5 pts) PISTA: Pregntese si existe algo mejor que
MELI. En caso afirmativo, el suegro no tiene la razn, y viceversa.

Problema 03: (10 pts)
Explique los criterios para seleccionar entre estimadores. En particular, explique Insesgamiento
(2 pts) y Eficiencia (2 pts). Tiene sentido seleccionar aquel estimador que maximice el R
2
? (2
pts) Explique el criterio del Error Cuadrtico Medio. (4 pts)



Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01

Problema 04: La empresa La onda veloz ha especificado un modelo de regresin lineal clsico
para explicar la funcin de demanda de sus aparatos de radio (Y), expresada en miles de
unidades, y en funcin del precio de los aparatos de radio (X), en miles de pesos. Para su
estimacin se recoge una muestra de 24 observaciones, con los siguientes resultados:


A partir de lo anterior, se pide:
1. Estimar los parmetros del modelo.
2. Obtener el coeficiente de determinacin.
3. Calcular la desviacin estndar del parmetro de pendiente.


Problema 05: Regresin sin Regresores.

Supngase que se le proporciona el siguiente modelo:

. Utilice MICO para

determinar el estimador de

. Cul es su varianza y su SRC? El

estimado tiene algn

sentido intuitivo? Ahora considere el modelo de dos variables

. Vale la
pena aadir X
i
al modelo? Si no es as, por qu molestarse con el anlisis de regresin?


Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01

SECCIN DE RESPUESTAS

Seccin 1: Comentes



Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01

Seccin 02: Problemas
Problema 1:
Lo primero es establecer una estrategia de ataque al problema. Ya que tenemos la informacin
de las medias, podramos transformar toda la informacin de que disponemos a variables es
niveles en lugar de trabajar con medias, pero eso nos consumir demasiado tiempo. Una
estrategia ms econmica en tiempo es utilizar directamente las frmulas que hemos
aprendido para el modelo expresado es desvos de la media. Lo segundo que debemos hacer es
completar con algunos clculos una tabla que contenga toda la informacin que necesitamos.

N x y xy x^2 y^2 e e^2
1 -1.56 -5.40 8.41 2.43 29.16 -0.71 0.504
2 -1.56 -3.40 5.30 2.43 11.56 1.29 1.664
3 -0.96 -3.40 3.26 0.92 11.56 -0.52 0.270
4 -0.36 -1.40 0.50 0.13 1.96 -0.32 0.102
5 -0.36 -0.40 0.14 0.13 0.16 0.68 0.462
6 0.24 0.60 0.15 0.06 0.36 -0.12 0.014
7 0.24 0.60 0.15 0.06 0.36 -0.12 0.014
8 0.84 1.60 1.35 0.71 2.56 -0.92 0.846
9 1.44 4.60 6.63 2.08 21.16 0.27 0.072
10 2.04 6.60 13.48 4.17 43.56 0.47 0.220
0.00 0.00 39.36 13.10 122.40 0.00 4.172

Para 1.1, utilizamos es estimador de B
1
y B
2
:
3
10 . 13
36 . 39
15 13 . 0 * 3 4 . 15 *
2
2
^
2
^
1
^
~ = =
~ = =

i
i i
x
y x
B
X B Y B


Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01

Para 1.2, usamos la frmula del R
2
en desvos:
963 . 0
4 . 122
1 . 13 * 3
2
2
2
2
2
^
2
~ = = =

i
i
y
x B
SCT
SCE
R
Para 1.3, utilizamos la frmula de la Varianza y sacamos raz cuadrada. Recuerde que SE PIDE LA
DESVIACIN ESTNDAR, NO LA VARIANZA:

199 . 0 0398129 . 0
1 . 13 ) 2 10 (
1724 . 4
) 2 (
) 2 (
) ( ) (
2
2
2
2
^
2
^
2
= =

=

=

= =

i
i
i
i
x n
e
x
n
e
B VAR B o
Para 1.4, podemos argir que el valor estimado de la propensin marginal a consumir est
fuera de la realidad. El argumento keynesiano clsico marca un 0 B
2
1, por lo que sta
muestra en particular est sobreestimando lo que la teora econmica marca como rango
aceptable para B
2.
Esto significara que por cada peso extra que ganamos, consumimos 3 pesos,
lo que no es coherente con el sentido comn.
Problema 02: Las respuestas de 2.1, 2.2 y 2.3 son bastante complejas en clculo y notacin, por
lo que no se reproducen aqu, aunque se refieren directamente a las notas de clase, o remtase
al apndice 3A del Gujarati.
2.4 El argumento de su suegro es Falso. Aun cuando las condiciones de Gauss-Markov se
cumplan, recordemos que nos movemos en la rama de los estimadores lineales. Hasta el
momento, nada garantiza que, dentro de los estimadores no lineales exista un mejor
estimador. En la segunda mitad del curso demostraremos que agregando el supuesto de
distribucin normal de los errores, los estimadores MICO alcanzan la cota de Cramer-Rao. ste
fortsimo resultado implicar que son MEI, es decir, los Mejores Estimadores Insesgados, que
es un concepto de estimador ms fuerte que MELI porque abarca tanto a los estimadores
lineales como a los no lineales.
Existe algo mejor aun que MEI? MEI es tan poderoso que yo siempre me conformara
con encontrarlo! Sin embargo, recordemos que aun nos movemos dentro de los estimadores
insesgados. Pero justamente eso es lo que queremos, O no? Recordemos que aun podra
existir un estimador sesgado, pero con varianza tan pequea que compense al sesgo. La mejor
manera de solucionar este trade-off entre varianza y sesgo, y de paso encontrar el Mejor

Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01

Estimador, es utilizar el criterio del Mnimo Error Cuadrtico Medio. ste sera el first-best, o el
"mejor de los mejores".
Dado que existen infinitos estimadores, en la prctica hallar MELI ser suficiente, pero
siendo rigurosos, no debemos olvidar que siempre existe algo mejor.

Problema 03: Como vinos repetidamente, un estimador es insesgado si su valor esperado es
igual al verdadero valor poblacional, es decir, si:
B = B) (
^
E
Por otra parte, es eficiente si tiene varianza mnima dentro de todos los estimadores
insesgados. El utilizar el mximo R
2
como criterio de seleccin de estimadores es una mala idea
ya que, para cada muestra en particular, nuestro problema de optimizacin garantiza minimizar
el error estndar, lo que significa maximizar el R
2
.
El mejor criterio de decisin, en todo caso, es el criterio del mnimo error cuadrtico
medio. Definido como:
2
^
2
^ ^
2
^
) ( ) (
) (

=
+ =
B B E E B E B E ECM
SESGO B VAR ECM

Implica un trade-off entre varianza y sesgo. En el caso de los estimadores insesgados, el
segundo miembro del ECM es cero y slo nos preocupa minimizar la varianza del estimador
para encontrar el MELI.

Problema 04:




Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01



3)
Esa es la varianza de la regresin. Para obtener la varianza de la pendiente, debemos dividir por

, es decir, 3,09161, con lo qu:

1,0425


Universidad Austral de Chile Econometra
Escuela de Ingeniera Comercial Ayudanta 01

Problema 05: