Escolar Documentos
Profissional Documentos
Cultura Documentos
1
ANALISIS DE REGRESION LINEAL
Conceptos
generales Modelos predictivos
Naturaleza
de análisis de
regresión Construcción Elementos
del Modelo constitutivos
Estimación
de parámetros • Conocimiento de la teoría
Económica Ecuaciones
• Especificación del Modelo Variables
• Estimación de los parámetros Parámetros
• Verificación
Propiedad de los • Predicción
estimadores
2
PROCESO DE CONSTRUCCIÓN DE UN MODELO
TEORIA ECONOMICA
MODELO TEÓRICO
Especificación
Matemáticas Estadística
Estimación
Gasto de 440 520 640 640 800 880 960 1080 1080 1240
consumo
Familiar 480 560 680 680 920 920 1080 1120 1200 1280
por mes
(S/.) 520 560 720 760 840 960 1120 1080 1320 1320
560 640 680 720 960 1040 1200 1200 1400 1400
600 680 760 800 880 1080 1160 1240 1440 1440
880 1480
E(y/x) 520 600 696 795 900 1000 1104 1200 1288 1400
E y y
n
5
Diagrama de Dispersión
1500
E( y / x) 1 2 X
1250
Gasto de Consumo Mensual S/.
1000
750
500
250
650 800 950 1100 1250 1400 1550 1700 1850 2000
Ingreso Mensual S/.
7
FUNCION DE REGRESION POBLACIONAL (FRP)
FRP Yi 1 2Xi i
La FRP incluye al termino de perturbación
FRM Yi ˆ 1 ˆ 2 xi ˆ i
Diferencias con la FRP
• En la FRP los valores de los parámetros son de los datos
poblacionales ( )
i
• El término de perturbación (i ) está referido a la diferencia de los
valores promedios poblacionales respecto a cada uno de los
valores mencionados.
̂1 es un estimador de 1
̂ 2 es un estimador de 2
̂i
es un estimador de i
2 14 -2 12
5 20 5 25
4 18 0 18
6 22 -3 19
1
2
i ' 12...n
2
n
Y Ŷ Y Xˆ
μ μ Y X ˆ Y X ˆ
' '
S ˆ
2 2
( Yi Ŷi )
2
ˆ 2
i
n2 n2
Y n1 2 Xi (1)
YX 1 Xi 2 Xi2 ( 2)
Y reemplazando, se tiene:
Y1 1 X 21 . 1 1
Y 1 X
2 22 . 2 2
.
. . . . . . . .
. . . . . . . .
Yn 1 X 2 k . n
O simplemente:
Y X
n
X' X X
i
y X' Y Y i
Xi X 2
i
X Yi i
X' X 20300
12 20300
40030000
y X' Y 8490
16072000
Yi 1 2 X 2 3 X 3 i
, donde n =10; k=3
n X i2 X i3
(X ' X) X i 2 X 2
i2 X X
i 2 i3
X i 2 X x i2 i3 X i3
2
Y1
X ' Y X i 2 Yi
X i 3Yi
ˆ 1 2.5529
ˆ ˆ 2 (X X) X Y 1.0821
' 1 '
ˆ 1.9608
3
AÑO Y X1 X2
1991 3 3 5
1992 1 1 4
1993 8 5 6
1994 3 2 4
1995 5 4 6
Se desea estimar el siguiente modelo de regresión lineal:
Donde:
3
1 1 3 5
1 4
1
Y 8 X 1 5 6
3 1 2 4
5 1 4 6
En este caso:
• n = 5 (numero de observaciones)
• k = 3 (numero de parámetros del modelo)
X' X X' Y
1
1 1 1 1 1
X' 3 1 5 2 4 Y' 3 1 8 3 5
5 4 6 4 6
3
1 1 1 1 1 1 1 3 11 1 8 1 3 1 5 20
X' Y 3 1 5 2 4 8 3 3 11 5 8 2 3 4 5 76
5 4 6 4 6 3 5 3 4 1 6 8 4 3 6 5 109
5
3
1
Y' Y 3 1 8 3 5 8 3 3 11 8 8 3 3 5 5 108
3
5
1 3 5
1 4 5 15 25
1 1 1 1 1 1
X' X 3 1 5 2 4 1 5 6 15 55 81
5 4 6 4 6 1 2 4 25 81 129
1 4 6
Consultoria Virgen del Carmen S.A.
35
INVERSA²
La inversa de una matriz origina otra matriz la cual se podrá
calcular solamente cuando tenga la misma cantidad de filas y
columnas, además su determinante debe ser diferente de cero.
5 15 25
X' X 15 55 81
25 81 129
² La inversa de una matriz puede ser halla por medio de calculadoras matriciales, esto resulta
útil para el ahorro de tiempo en los cálculos.
26.7 4.5 8 20 4
ˆ 4.5 1 1.5 76 2.5
8 1.5 2.5 109 1.5
2
(Y' Y ' X' Y) /( n k)
' 4 2.5 1.5
2
(Y' Y ' X' Y) 108 106.5
0.75
nk 53
2
ˆ
var() (X' X) 1
Pr ob( ta / 2 £ t £ ta / 2 ) 1 a
ˆ 1 1
Pr ob( t a / 2 £ £ ta/2 ) 1 a
ˆ 1
Consultoria Virgen del Carmen S.A.
43
Multiplicando por –1
ˆ 1 1
Pr ob( t a / 2 ta/2 ) 1 a
ˆ 1
Despejando: 1
ˆ 1t a / 2 ˆ 1 1 t a / 2
Pr ob( ˆ 1 ) 1 a
Sumando:
Y X
Donde :
Y : Consumo
XConsultoria
: Ingreso Virgen del Carmen S.A.
45
Y X
70 1 80 1
65 1
100
β 2
90 1 120 3
1
. . . .
. . . 2 .
. . . .
150 1 260
10
( x ' x ) x' y
ˆ 1
1
1 80
1 100
1 120 1
1
( x' x) x' y
1 1 1 ..............1
.
n
.
x
1
10 1700
x 1700 322000
80 100 120 .........260 .
. i x 2
1
. .
Consultoria Virgen del Carmen S.A.
1 260 46
1 322000 - 1700 0.975757 - 0.005152
330000 - 1700 10 - 0.005152 0.0000303
70
65
1..........1 . 1110
x ' y
80....260 . 205500
.
150
1110
' x' y 24.4545 * 0.5091 131764.5
205500
Consultoria Virgen del Carmen S.A.
48
Reemplazando en la fórmula tenemos:
Calculando Varianza
0.975757 - 0.005152
Var 1 41.9375
- 0.005152 0.0000303
12 41.93750.975757 40.9209
2
2
41.93750.0000303 0.00127
ˆ 1 6.3969
ˆ 2 0.0356
Consultoria Virgen del Carmen S.A.
49
CONSTRUCCION DE INTERVALOS PARA I
ˆ
Ie1
ˆ t ˆ
i a/ 2, 1
ˆita/ 2
Para un nivel de significación del 5% observando en la
tabla “t” de student:
P(0.4268£2 £0.5919)=1-0.05=0.95
• Nivel de significación
• Significación
Contrastes de hipótesis
52
Econometría U. de Sevilla
Contrastando una hipótesisdemasiados...
Son
¡Gran
diferencia!
Muestra Rechazo la
aleatoria hipótesis
H 0 : p 50% , £,
, ,
H1 : p 50%
Contrastes de hipótesis
54
Econometría U. de Sevilla
Razonamiento básico
Si supongo que H0 es cierta...
¿qué hace un
científico cuando su
teoría no coincide
con sus
predicciones?
40
X 20
Sevilla
Razonamiento básico
Si supongo que H0 es cierta...
40
X 20
Sevilla
Razonamiento básico
Si supongo que H0 es cierta...
• No hay evidencia contra H0
¿Si una teoría hace
predicciones con •No se rechaza H0
éxito, queda
probado que es •El experimento no es
cierta? concluyente
40
X 38
Sevilla
Región crítica y nivel de
Región crítica
significación
Nivel de significación: a
• Valores ‘improbables’ si... • Número pequeño: 1% , 5%
• Es conocida antes de realizar el • Fijado de antemano por el
experimento: resultados experimentales investigador
que refutarían H0 • Es la probabilidad de rechazar H0
cuando es cierta
a=5%
No rechazo H0
H0: =40
Región aceptación (1-
Contrastes de hipótesis
α)
58
Econometría U. de Sevilla
Contrastes: unilateral y bilateral
La posición de la región crítica depende de la hipótesis alternativa
Unilateral Unilateral
Sevilla
Significación: p
a
H0: =40 Contrastes de hipótesis 60
Econometría U. de
Sevilla
Significación: p
No se rechaza
H0: =40
a
H0: =40 Contrastes de hipótesis 61
Econometría U. de
Sevilla
X 43
Significación : p
El contraste es estadísticamente significativo cuando p<a
Es decir, si el resultado experimental discrepa más de “lo tolerado” a priori.
a P
X 50
Econometría U. de Contrastes de hipótesis 62
Sevilla
Resumen: a, p y criterio de rechazo
• Sobre a • Sobre p
– Es número pequeño, – Es conocido tras
preelegido al diseñar el realizar el experimento
experimento
Sevilla
Conclusiones
• Las hipótesis no se plantean después de observar los datos.
• Rechazar una hipótesis no prueba que sea falsa. Podemos cometer error de tipo I
• No rechazar una hipótesis no prueba que sea cierta. Podemos cometer error de
tipo II
Contrastes de hipótesis
65
Econometría U. de Sevilla