MODELOS DE ECUACIONES SIMULTANEAS

Tamaño: px
Comenzar la demostración a partir de la página:

Download "MODELOS DE ECUACIONES SIMULTANEAS"

Transcripción

1 Universidad de Murcia Workshop Grupo de computación paralela 15 de Diciembre de 2010

2 1 Modelos de Ecuaciones Simultáneas

3 Conceptos previos. La regresión lineal es un método matemático que modeliza la relación entre una variable dependiente Y, n variables independientes X i y un término aleatorio : Y = β 0 + β 1 X 1 + β 2 X β p X p + ɛ Un Modelo de Ecuaciones Simultáneas (M.E.S.) es un conjunto de ecuaciones de regresión donde existe influencia simultánea entre variables y ecuaciones.

4 Tipos de variables. Endógenas: influyen en el modelo y se ven influenciadas por él. El total de variables endógenas coincide con el total de ecuaciones. Exógenas: influyen en el modelo, pero no se ven influenciadas por él. Ejemplo: Ruido blanco: variables de error. Estado de ánimo { Comida Variable Endógena Sol Variable Exógena

5 Esquema de un M.E.S. El esquema de un modelo con N ecuaciones, N variables endógenas y K variables exógenas en forma matricial es: siendo: BY T + ΓX T + u T = 0 Y = (y 1... y N ), X = (x 1... x K ), u = (u 1... u N ) β 1,1 β 1,N γ 1,1 γ 1,K B =, Γ = β N,1 β N,N γ N,1 γ N,K El modelo estructural se puede expresar también en forma reducida: Y = X Π + v, con Π T = B 1 Γ, v T = B 1 u T.

6 Esquema de un M.E.S. Si se descompone B de la forma B = diag ( 1,..., 1) + B, la expresión anterior queda de la siguiente forma: O en ecuaciones: Y T = BY T + ΓX T + u T y 1 = γ 1,1 x γ 1,K x K + β 1,2 y 2 + β 1,3 y β 1,N y N + u 1 y 2 = γ 2,1 x γ 2,K x K + β 2,1 y 1 + β 2,3 y β 2,N y N + u 2 y N = γ N,1 x γ N,K x K + β N,1 y β N,N 1 y N 1 + u N donde x 1, x 2,..., x K son variables exógenas, y 1, y 2,..., y N son variables endógenas, y u 1, u 2,..., u N son variables de ruido blanco.

7 El problema de identificación. Hay tres tipos de ecuaciones: subidentificadas: no se pueden resolver. sobreidentificadas: las soluciones de los coeficientes no se obtienen de forma única. exactamente identificadas: solución única. Para estudiar la identificación de una ecuación se usan dos condiciones: Condición de Orden (condición necesaria aunque no suficiente): identificada si n i 1 K k i, no identificada en caso contrario. Condición de Rango (condición necesaria y suficiente): identificada si y sólo si se puede construir una matriz regular de orden N 1 a partir de los coeficientes de las variables excluidas de la ecuación considerada pero incluidas en las demás.

8 1 Métodos de información completa Ventajas: muy precisos. Inconvenientes: costosos tanto en memoria como computacionalmente, sensible a errores. 2 Métodos de información limitada Ventajas: menos vulnerables a errores, menos necesidad computacional. Inconvenientes: menos precisos. Entre los Métodos de información limitada destacamos MCO, MCI, MC2E y MC3E.

9 CRITERIO FÓRMULA AIC de Akaike ln s k K T ] BIC de Sawa s K [(K 2 (T K) ) s2 k s K 2 AICC de Hurvich y Sai ln s k 2 + T +K T K 2 SBIC de Schwartz ln s k 2 + KlnT T HQ de Hannan y Quinn ln s k 2 + 2Kln(lnT ) T MDL de Rissanen ln T s k 2 + ln( X X ) T BEC de Geweke y Meese s K 2 + K s2 K lnt T k s k 2 es la varianza residual corregida de cada modelo, T tamaño muestral y K número de regresores incluidos en el modelo.

10 Test de endogeneidad. Hausman specification test: (zt z) e t H 0 : p lim T = 0 Bajo H 0 : (zt z) e t H 1 : p lim T ( ˆβVI ˆβ MC2E ) 2 0 m = χ var ˆβ VI var ˆβ 2 (1) MC2E Rechazamos H 0 si m > χ 2 c. Al 5%, χ 2 c = 3 84.

11 Test de linealidad. Idea: haciendo uso de los gráficos de residuo respecto a valores estimados de la Y, si se observa relación en los residuos, la variable aporta información sobre ellos. Introducimos alguna función de la variable en el modelo. Utilizamos el polinomio de Taylor de orden k para aproximar la variable. f (X ) = β 0 + β 1 X + γ 2 X 2 t + γ 3 X 3 t γ k X k t +... Realizamos regresión con esos términos. Si alguno de los términos no lineales del polinomio son significativos implica que la linealidad no es válida.

Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas

Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Estimación MC2E, MVIL en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Mínimos Cuadrados en 2 Etapas 2 Mínimos Cuadrados en 2 Etapas El método de Mínimos Cuadrados

Más detalles

DESARROLLO DE ALGORITMOS PARA MODELOS DE ECUACIONES SIMULTANEAS EN ALTAS PRESTACIONES. Jose Juan López Espín Universidad Miguel Hernández

DESARROLLO DE ALGORITMOS PARA MODELOS DE ECUACIONES SIMULTANEAS EN ALTAS PRESTACIONES. Jose Juan López Espín Universidad Miguel Hernández DESARROLLO DE ALGORITMOS PARA MODELOS DE ECUACIONES SIMULTANEAS EN ALTAS PRESTACIONES Espín Universidad Miguel Hernández Introducción Motivación Los Modelos de Ecuaciones Simultáneas (M.E.S.) nacen como

Más detalles

Estimación MCO, MCI en Modelos de Ecuaciones Simultáneas

Estimación MCO, MCI en Modelos de Ecuaciones Simultáneas Estimación MCO, MCI en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Estimación MCO de la Forma Estructural 2 3 4 Estimador MCO de la FE Consideremos la -ésima ecuación

Más detalles

Ejercicios Resueltos: Estimación de ecuaciones simultáneas

Ejercicios Resueltos: Estimación de ecuaciones simultáneas Ejercicios Resueltos: Estimación de ecuaciones simultáneas Román Salmerón Gómez Universidad de Granada 2 Consideremos el modelo de ecuaciones simultáneas dado por las dos ecuaciones siguientes: donde:

Más detalles

Prácticas Tema 6. Modelos de ecuaciones simultáneas

Prácticas Tema 6. Modelos de ecuaciones simultáneas Prácticas Tema 6. Modelos de ecuaciones simultáneas Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 6.1- La oferta agregada de determinado producto agrícola (QS)

Más detalles

T6. Modelos multiecuacionales

T6. Modelos multiecuacionales T6. Modelos multiecuacionales Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 41 Índice 1 Los modelos multiecuacionales: SUR y SEM 2 Modelos

Más detalles

El problema de la identificación en Modelos de Ecuaciones Simultáneas

El problema de la identificación en Modelos de Ecuaciones Simultáneas en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contents 1 Notación general del modelo Forma Estructural Forma Reducida 2 3 Forma Estructural Forma Estructural Forma Reducida

Más detalles

Inferencia y Especificación en Modelos de Ecuaciones Simultáneas

Inferencia y Especificación en Modelos de Ecuaciones Simultáneas Inferencia y Especificación en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contenidos 1 Inferencia con estimadores de información limitada Contrastes de restricciones con

Más detalles

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE ECONOMÍA GUIA DE MODELOS ECONOMETRICOS ( ) ( ) ( ) (0.08)

INSTITUTO POLITÉCNICO NACIONAL ESCUELA SUPERIOR DE ECONOMÍA GUIA DE MODELOS ECONOMETRICOS ( ) ( ) ( ) (0.08) GUIA DE MODELOS ECONOMETRICOS Se estimó el siguiente modelo de inversión: Fbk t = 31032550-92480.81r t + 6537785t + 0.79FBK t-1 (25993807) (674994.4) (2596703) (0.08) R 2 = 0.99 DW = 2.081 n = 53 R 2 ajustada

Más detalles

Estimación de ecuaciones estructurales

Estimación de ecuaciones estructurales Estimación de ecuaciones estructurales Consideremos la oferta de mano de obra de las trabajadoras casadas que ya forman parte del mercado laboral. Escribimos el salario ofrecido en función de las horas

Más detalles

Aspectos computacionales de la resolución y obtención de Modelos de Ecuaciones Simultáneas

Aspectos computacionales de la resolución y obtención de Modelos de Ecuaciones Simultáneas Aspectos computacionales de la resolución y obtención de Modelos de Ecuaciones Simultáneas Espín dirigida por: Domingo Giménez diciembre de 2009 Esquema 1 Introducción 2 Descripción Teórica 3 MC2E basado

Más detalles

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.

UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19. UNIVERSIDAD NACIONAL DE TRUJILLO ESCUELA PROFESIONAL DE ECONOMÍA APUNTES DE CLASE ECUACIONES SIMULTÁNEAS: EJERCICIO 19.15 ECONOMETRÍA 2 Econometría.weebly.com Wilhem.weebly.com Ejercicio 19.15 Considérese

Más detalles

El Modelo de Regresión Lineal General Estimación

El Modelo de Regresión Lineal General Estimación Tema 5 El Modelo de Regresión Lineal General Estimación Pilar González y Susan Orbe Dpto Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Tema 5 MRLG: Estimación 1

Más detalles

Econometría Aplicada

Econometría Aplicada Econometría Aplicada Especificación y problemas con la data Víctor Medina Introducción Hasta el momento hemos considerado el modelo como dado y nos hemos preguntado cosas del estilo Dado el modelo y =

Más detalles

ANÁLISIS DE REGRESIÓN

ANÁLISIS DE REGRESIÓN ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y

Más detalles

Tema 4. Regresión lineal simple

Tema 4. Regresión lineal simple Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores de mínimos cuadrados: construcción y propiedades Inferencias

Más detalles

MODELOS DE ECUACIONES SIMULTANEAS (MES) Fortino Vela Peón Noviembre, 2011

MODELOS DE ECUACIONES SIMULTANEAS (MES) Fortino Vela Peón Noviembre, 2011 MODELOS DE ECUACIONES SIMULTANEAS (MES) Fortino Vela Peón fvela@correo.xoc.uam.mx Noviembre, 2011 Introducción Qué es primero el huevo o la gallina? El mundo real tiene efectos de retroalimentación (feedback

Más detalles

Estimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas

Estimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas Estimación MC3E, MVIC en Modelos de Ecuaciones Simultáneas Economía Aplicada III (UPV/EHU) OCW 2013 Contenidos 1 Información Completa 2 3 Información Completa Un método de información completa considera

Más detalles

Regresión múltiple. Demostraciones. Elisa Mª Molanes López

Regresión múltiple. Demostraciones. Elisa Mª Molanes López Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +

Más detalles

El problema de la endogeneidad Variables proxy Variables instrumentales STATA. Endogeneidad. Gabriel Montes-Rojas

El problema de la endogeneidad Variables proxy Variables instrumentales STATA. Endogeneidad. Gabriel Montes-Rojas Gabriel V. Montes-Rojas El problema de la endogeneidad Una variable es endógena si Cov(x j, error) = 0. Una variable es exógena si Cov(x j, error) = 0. Consideremos el modelo log(wage) = β 0 + β 1 educ

Más detalles

TEMA 4 Modelo de regresión múltiple

TEMA 4 Modelo de regresión múltiple TEMA 4 Modelo de regresión múltiple José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Estructura de este tema Modelo de regresión múltiple.

Más detalles

Ejercicio Heterocedasticidad_2

Ejercicio Heterocedasticidad_2 Ejercicio heterocedasticidad 2. 1 Ejercicio Heterocedasticidad_2 Tengamos los siguientes datos de los beneficios (B i ) y ventas (V i ) de 20 empresas: obs B V 1 13,2 61 2 15 78 3 22,2 158 4 15,2 110 5

Más detalles

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10

Estadística II Tema 4. Regresión lineal simple. Curso 2009/10 Estadística II Tema 4. Regresión lineal simple Curso 009/10 Tema 4. Regresión lineal simple Contenidos El objeto del análisis de regresión La especificación de un modelo de regresión lineal simple Estimadores

Más detalles

Estimación de modelos multiecuacionales mediante el entorno de programación R

Estimación de modelos multiecuacionales mediante el entorno de programación R Estimación de modelos multiecuacionales mediante el entorno de programación R 1. Resumen En el presente documento vamos a abordar la estimación de modelos de ecuaciones simultáneas mediante el entorno

Más detalles

Economía Aplicada. Variables Instrumentales. Basado en Stock y Watson (cap.12), Wooldridge (cap. 15) y Angrist y Pischke (cap. 4)

Economía Aplicada. Variables Instrumentales. Basado en Stock y Watson (cap.12), Wooldridge (cap. 15) y Angrist y Pischke (cap. 4) Economía Aplicada Variables Instrumentales Departamento de Economía Universidad Carlos III de Madrid Basado en Stock y Watson (cap.12), Wooldridge (cap. 15) y Angrist y Pischke (cap. 4) Modelos de Regresión

Más detalles

Econometria I. Tema 6: Modelos de Ecuaciones Simultáneas. Universidad Carlos III. Getafe, Madrid. November 2008

Econometria I. Tema 6: Modelos de Ecuaciones Simultáneas. Universidad Carlos III. Getafe, Madrid. November 2008 Econometria I Tema 6: Modelos de Ecuaciones Simultáneas Universidad Carlos III Getafe, Madrid November 2008 Julio Cáceres Delpiano (UC3M) Econometria I 10/07 1 / 20 Ecuaciones Simultáneas El método de

Más detalles

CALIFICACION: - P C: precio medio de los productos sustitutivos existentes en el mercado en euros.

CALIFICACION: - P C: precio medio de los productos sustitutivos existentes en el mercado en euros. 6 + 10 + 3 = 19 CALIFICACION: Ventasgdt Una empresa que produce una marca de detergente líquido desea contar con un modelo para planificar su producción, estimar las necesidades de materias primas y de

Más detalles

FACTORES INFLUYENTES EN EL EMPLEO. Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán

FACTORES INFLUYENTES EN EL EMPLEO. Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán FACTORES INFLUYENTES EN EL EMPLEO Econometría II GECO Marina Calvillo Fuentes Rocío Crespo Roldán 2 ÍNDICE: 1. INTRODUCCIÓN 2. PLANTEAMIENTO DEL PROBLEMA 3. GRÁFICOS DE LOS DATOS 4. ESTIMACIÓN DEL MODELO

Más detalles

Tema 10: Introducción a los problemas de Asociación y Correlación

Tema 10: Introducción a los problemas de Asociación y Correlación Tema 10: Introducción a los problemas de Asociación y Correlación Estadística 4 o Curso Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 10: Asociación y Correlación

Más detalles

TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL)

TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) TODO ECONOMETRIA TEMA 1: MODELO BASICO DE REGRESIÓN LINEAL MULTIPLE (MBRL) NOTA IMPORTANTE - Estas notas son complementarias a las notas de clase del primer semestre correspondientes a los temas de Regresión

Más detalles

Más Allá del Modelo de Regresión Lineal. Dante A. Urbina

Más Allá del Modelo de Regresión Lineal. Dante A. Urbina Más Allá del Modelo de Regresión Lineal Dante A. Urbina CONTENIDOS 1. Modelos de Regresión No Lineales 2. Modelos de Respuesta Cualitativa 3. Datos de Panel 4. Modelos Autorregresivos y de Rezagos 5. Modelos

Más detalles

Estadística para la Economía y la Gestión IN 3401 Clase 5

Estadística para la Economía y la Gestión IN 3401 Clase 5 Estadística para la Economía y la Gestión IN 3401 Clase 5 Problemas con los Datos 9 de junio de 2010 1 Multicolinealidad Multicolinealidad Exacta y Multicolinealidad Aproximada Detección de Multicolinealidad

Más detalles

Capítulo 8. Selección de variables Introducción

Capítulo 8. Selección de variables Introducción Capítulo 8 Selección de variables 8.1. Introducción En muchos problemas de regresión es posible considerar un número importante de variables predictoras. Un empresario podría estudiar los factores que

Más detalles

Tema 6. Multicolinealidad. Contenido Multicolinealidad perfecta Multicolinealidad de grado alto

Tema 6. Multicolinealidad. Contenido Multicolinealidad perfecta Multicolinealidad de grado alto Tema 6 Multicolinealidad Contenido 6.1. Multicolinealidad perfecta...................... 108 6.. Multicolinealidad de grado alto................... 110 108 Tema 6. Multicolinealidad A la hora de estimar

Más detalles

ECONOMETRIA. Tema 6: MODELOS CON VARIABLES EXPLICATIVAS ENDÓGENAS. César Alonso. Universidad Carlos III de Madrid

ECONOMETRIA. Tema 6: MODELOS CON VARIABLES EXPLICATIVAS ENDÓGENAS. César Alonso. Universidad Carlos III de Madrid ECONOMETRIA Tema 6: MODELOS CON VARIABLES EXPLICATIVAS ENDÓGENAS César Alonso Universidad Carlos III de Madrid César Alonso (UC3M) ECONOMETRIA. Tema 6 1 / 70 Endogeneidad Dado el modelo de regresión lineal:

Más detalles

Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos

Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Tema 4: Otros Métodos de Análisis de Datos Cuantitativos y Cualitativos Metodología de la Investigación en Fisioterapia Miguel González Velasco Departamento de Matemáticas. Universidad de Extremadura M.

Más detalles

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos econométricos dinámicos uniecuacionales

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos econométricos dinámicos uniecuacionales ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos econométricos dinámicos uniecuacionales Introducción: Hemos estudiado modelos de tipo: y t = φ 0 + p i=1 φ iy t i + q j=0 θ jɛ t j y t = β x t +

Más detalles

El modelo Lineal General

El modelo Lineal General El Lineal General Román Salmerón Gómez Universidad de Granada RSG El lineal uniecuacional múltiple 1 / 68 Estimación del Validación del Explotación del Estimación del Validación del Explotación del RSG

Más detalles

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos VAR

ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos VAR ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos VAR Introducción modelos VAR Hasta ahora hemos estudiado modelos uniecuacionales Ahora vamos a estudiar un modelo multiecuacional que se llama Vector

Más detalles

Tema 8: Regresión y Correlación

Tema 8: Regresión y Correlación Tema 8: Regresión y Correlación Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 8: Regresión y Correlación Curso 2008-2009 1 / 12 Índice

Más detalles

Ejemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)

Ejemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística) Ejemplo 7.1 Heterocedasticidad Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 7.1. Heterocedásticidad 1 / 22 Enunciado.

Más detalles

ALGORITMOS DE RESOLUCIÓN DE MODELOS DE ECUACIONES SIMULTÁNEAS BASADOS EN LA DESCOMPOSICIÓN QR

ALGORITMOS DE RESOLUCIÓN DE MODELOS DE ECUACIONES SIMULTÁNEAS BASADOS EN LA DESCOMPOSICIÓN QR UNIVERSIDAD POLITÉCNICA DE VALENCIA Departamento de Sistemas Informáticos y Computación ALGORITMOS DE RESOLUCIÓN DE MODELOS DE ECUACIONES SIMULTÁNEAS BASADOS EN LA DESCOMPOSICIÓN QR José Juan López Espín

Más detalles

ESTADÍSTICA. Tema 4 Regresión lineal simple

ESTADÍSTICA. Tema 4 Regresión lineal simple ESTADÍSTICA Grado en CC. de la Alimentación Tema 4 Regresión lineal simple Estadística (Alimentación). Profesora: Amparo Baíllo Tema 4: Regresión lineal simple 1 Estructura de este tema Planteamiento del

Más detalles

Ejercicio 5. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)

Ejercicio 5. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística) Ejercicio 5 Estimación del Modelo de Regresión Lineal General Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejercicio 5 Estimación

Más detalles

TEMA 6. Modelos para Datos de Panel

TEMA 6. Modelos para Datos de Panel TEMA 6. Modelos para Datos de Panel Profesor: Pedro Albarrán Pérez Universidad de Alicante. Curso 2010/2011. Contenido 1 Introducción 2 Modelos estáticos Modelo con Efectos Individuales: Fijos y Aleatorios

Más detalles

MÍNIMOS CUADRADOS GENERALIZADOS

MÍNIMOS CUADRADOS GENERALIZADOS Métodos Estadísticos para Economía y Gestión (IN540-2) Otoño 2008 - Semestre I, Parte II Universidad de Chile Departamento de Ingeniería Industrial Profesor: Mattia Makovec (mmakovec@dii.uchile.cl) Auxiliar:

Más detalles

Econometría de series de tiempo aplicada a macroeconomía y finanzas

Econometría de series de tiempo aplicada a macroeconomía y finanzas Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo no Estacionarias Carlos Capistrán Carmona ITAM Tendencias Una tendencia es un movimiento persistente de largo plazo

Más detalles

Tema 3.1: Modelo lineal general: hipótesis y estimación. Universidad Complutense de Madrid 2013

Tema 3.1: Modelo lineal general: hipótesis y estimación. Universidad Complutense de Madrid 2013 ema 3.1: Modelo lineal general: hipótesis y estimación Universidad Complutense de Madrid 2013 Introducción El objetivo es especificar y estimar un Modelo Lineal General (MLG) en donde una variable de interés

Más detalles

Econometría de Económicas Ejercicios para el tema 2 y 3

Econometría de Económicas Ejercicios para el tema 2 y 3 Econometría de Económicas Ejercicios para el tema 2 y 3 Curso 2005-2006 Profesores Amparo Sancho Perez Guadalupe Serrano Pedro Perez 1 1- Los datos que se adjuntan hacen referencia a los datos de producción

Más detalles

Modelos de regresión multinivel

Modelos de regresión multinivel Luis Guillermo Díaz Leonardo Trujillo Julio 2011 Estructura de datos multinivel Los investigadores de las ciencias sociales y naturales, se enfrentan al problema de modelar estructuras de datos complejas,

Más detalles

Estadística para la Economía y la Gestión IN 3401

Estadística para la Economía y la Gestión IN 3401 Estadística para la Economía y la Gestión IN 3401 3 de junio de 2010 1 Modelo de Regresión con 2 Variables Método de Mínimos Cuadrados Ordinarios Supuestos detrás del método MCO Errores estándar de los

Más detalles

ESPACIOS VECTORIALES Y APLICACIONES LINEALES

ESPACIOS VECTORIALES Y APLICACIONES LINEALES Departamento de Matemática Aplicada II E.E.I. ÁLGEBRA Y ESTADÍSTICA Boletín n o (010-011 ESPACIOS VECTORIALES Y APLICACIONES LINEALES 1. En el espacio vectorial ordinario R 4 estudiar cuáles de los siguientes

Más detalles

Modelos con Datos de Panel

Modelos con Datos de Panel Modelos con Datos de Panel Econometría II Grado en Economía Universidad de Granada Modelosdedatosdepanel 1/26 Contenidos Modelosdedatosdepanel 2/26 Elmodelo Modelosdedatosdepanel 3/26 Elmodelo Hasta el

Más detalles

Resolución de Sistema de Ecuaciones Lineales

Resolución de Sistema de Ecuaciones Lineales Resolución de Sistema de Ecuaciones Lineales Hermes Pantoja Carhuavilca Facultad de Ingeniería Industrial Universidad Nacional Mayor de San Marcos Métodos Computacionales Hermes Pantoja Carhuavilca 1 de

Más detalles

Modelo de Regresión Lineal Múltiple

Modelo de Regresión Lineal Múltiple Tema 3 Modelo de Regresión Lineal Múltiple Contenido 3.1. Introducción. Un ejemplo...................... 52 3.2. Estimación de Mínimos Cuadrados Ordinarios utilizando Gretl. 54 3.3. Análisis de los resultados

Más detalles

T2. El modelo lineal simple

T2. El modelo lineal simple T2. El modelo lineal simple Ana J. López y Rigoberto Pérez Dpto Economía Aplicada. Universidad de Oviedo Curso 2010-2011 Curso 2010-2011 1 / 40 Índice 1 Planteamiento e hipótesis básicas 2 Estimación de

Más detalles

Econometría de series de tiempo aplicada a macroeconomía y finanzas

Econometría de series de tiempo aplicada a macroeconomía y finanzas Econometría de series de tiempo aplicada a macroeconomía y finanzas Series de Tiempo Estacionarias (Multivariadas) Carlos Capistrán Carmona ITAM 1 Principios de Pronóstico. 2 Pruebas de Hipótesis. 3 Estimación

Más detalles

Grado en Finanzas y Contabilidad

Grado en Finanzas y Contabilidad Econometría Grado en Finanzas y Contabilidad Apuntes basados en el libro Introduction to Econometrics: A modern Approach de Wooldridge 3.1 Colinealidad Exacta 3.2 Los efectos de la multicolinealidad Del

Más detalles

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA

1 Introducción. 2 Modelo. Hipótesis del modelo MODELO DE REGRESIÓN LOGÍSTICA MODELO DE REGRESIÓN LOGÍSTICA Introducción A grandes rasgos, el objetivo de la regresión logística se puede describir de la siguiente forma: Supongamos que los individuos de una población pueden clasificarse

Más detalles

ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN

ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN CURSO DE BIOESTADÍSTICA BÁSICA Y SPSS ASOCIACIÓN ENTRE DOS VARIABLES CONTINUAS: REGRESIÓN Y CORRELACIÓN Amaia Bilbao González Unidad de Investigación Hospital Universitario Basurto (OSI Bilbao-Basurto)

Más detalles

Definición de Correlación

Definición de Correlación Definición de Correlación En ocasiones nos puede interesar estudiar si existe o no algún tipo de relación entre dos variables aleatorias: Estudiar cómo influye la estatura del padre sobre la estatura del

Más detalles

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias

Estructura de este tema. Tema 4 Regresión lineal simple. Ejemplo: consumo de vino y dolencias cardíacas. Frecuencias Estructura de este tema Tema 4 Regresión lineal simple José R. Berrendero Departamento de Matemáticas Universidad utónoma de Madrid Planteamiento del problema. Ejemplos Recta de regresión de mínimos cuadrados

Más detalles

ECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía

ECONOMETRÍA I. Tema 2: El Modelo de Regresión Lineal Simple. Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía ECONOMETRÍA I Tema 2: El Modelo de Regresión Lineal Simple Patricia Moreno Juan Manuel Rodriguez Poo Alexandra Soberon Departamento de Economía Alexandra Soberon (UC) ECONOMETRÍA I 1 / 42 Modelo de Regresión

Más detalles

Diagonalización de matrices

Diagonalización de matrices 7 Diagonalización de matrices 7.1. Matrices diagonalizables Existen diversos procesos en los que el estado en cada uno de sus pasos se puede representar por un determinado vector y en los que, además,

Más detalles

MODELOS DE ECUACIONES SIMULTÁNEAS

MODELOS DE ECUACIONES SIMULTÁNEAS MODELOS DE ECUACIONES SIMULTÁNEAS Autores: Ángel A. Juan (ajuanp@uoc.edu), Renatas Kizys (rkizys@uoc.edu), Luis María Manzanedo Del Hoyo (lmanzanedo@uoc.edu). ESQUEMA DE CONTENIDOS Inconsistencia de estimadores

Más detalles

peso edad grasas Regresión lineal simple Los datos

peso edad grasas Regresión lineal simple Los datos Regresión lineal simple Los datos Los datos del fichero EdadPesoGrasas.txt corresponden a tres variables medidas en 25 individuos: edad, peso y cantidad de grasas en sangre. Para leer el fichero de datos

Más detalles

METODOS ITERATIVOS. Hermes Pantoja Carhuavilca. Facultad de Ingeniería Mecanica Universidad Nacional de Ingenieria

METODOS ITERATIVOS. Hermes Pantoja Carhuavilca. Facultad de Ingeniería Mecanica Universidad Nacional de Ingenieria Facultad de Ingeniería Mecanica Universidad Nacional de Ingenieria Métodos Numéricos Contenido 1 Métodos Iterativos Introducción Definición Métodos Iterativos Método de Jacobi Convergencia Método de Gauss

Más detalles

EXAMEN JUNIO PP 1A SEMANA

EXAMEN JUNIO PP 1A SEMANA EXAMEN JUNIO PP A SEMANA XAVI AZNAR Ejercicio. Defina semejanza, razón de semejanza y movimento asociado a una semejanza. Ejercicio. En el espacio vectorial V 3 (R) sea q la forma cuadrática cuya expresión

Más detalles

Contrastes de restricciones lineales y predicción

Contrastes de restricciones lineales y predicción Tema 4 Contrastes de restricciones lineales y predicción Contenido 4.1. Contrastes de restricciones lineales................. 78 4.2. Contrastes utilizando Gretl..................... 80 4.3. Estimación

Más detalles

EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos)

EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) EXAMEN DE ESTADÍSTICA II Junio de 2002 SOLUCIÓN (tiempo:100 minutos) PROBLEMA 1 Se quiere comparar la cantidad de energía necesaria para realizar 3 ejercicios o actividades: andar, correr y montar en bici.

Más detalles

Modelos de ecuaciones simultáneas

Modelos de ecuaciones simultáneas CAPíULO 13 Modelos de ecuaciones simultáneas Hasta ahora hemos estudiado el modelo lineal general uniecuacional, que relaciona una variable dependiente con una combinación lineal de varias variables independientes

Más detalles

Estimación de un modelo de ecuaciones simultáneas usando el software econométrico Gretl

Estimación de un modelo de ecuaciones simultáneas usando el software econométrico Gretl Estimación de un modelo de ecuaciones simultáneas usando el software econométrico Gretl Catalina García, María del Mar López y Román Salmerón Departamento de Métodos Cuantitativos para la Economía y la

Más detalles

2. Modelos con regresores endógenos

2. Modelos con regresores endógenos . Introducción ema 3. Regresores Endógenos. Bibliografía: Wooldridge, 5., 5.4 y 6.2 En este tema vamos a estudiar el modelo lineal con regresores potencialmente endógenos. Veremos primero las consecuencias

Más detalles

ESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple

ESTADÍSTICA APLICADA. Tema 4: Regresión lineal simple ESTDÍSTIC PLICD Grado en Nutrición Humana y Dietética Planteamiento del problema Tema 4: Regresión lineal simple Recta de regresión de mínimos cuadrados El modelo de regresión lineal simple IC y contrastes

Más detalles

Regresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16

Regresión Lineal. Rodrigo A. Alfaro. Rodrigo A. Alfaro (BCCh) Regresión Lineal / 16 Regresión Lineal Rodrigo A. Alfaro 2009 Rodrigo A. Alfaro (BCCh) Regresión Lineal 2009 1 / 16 Contenidos 1 Regresiones Lineales Regresión Clásica Paquetes estadísticos 2 Estadísticos de Ajuste Global 3

Más detalles

Variables Cualitativas

Variables Cualitativas Tema 7 Variables Cualitativas Contenido 7.1. Introducción. Un ejemplo...................... 118 7.2. Modelo con una variable cualitativa................ 118 7.2.1. Incorporación de variables cuantitativas.............

Más detalles

Econometría III Examen. 29 de Marzo de 2012

Econometría III Examen. 29 de Marzo de 2012 Econometría III Examen. 29 de Marzo de 2012 El examen consta de 20 preguntas de respuesta múltiple. El tiempo máximo es 1:10 minutos. nota: no se pueden hacer preguntas durante el examen a no ser que sean

Más detalles

Regresión Lineal Múltiple

Regresión Lineal Múltiple Universidad Nacional Agraria La Molina 2011-2 Efectos de Diagnósticos de Dos predictores X 1 y X 2 son exactamente colineales si existe una relación lineal tal que C 1 X 1 + C 2 X 2 = C 0 para algunas

Más detalles

Tema 1. Introducción: el modelo econométrico

Tema 1. Introducción: el modelo econométrico 1. Introducción. a. Qué es la econometría? b. Metodología en Econometría Gujarati, Econometría (2004) páginas 1 a 11 c. Terminología y notación d. Clasificación de los modelos econométricos 1 1. Introducción

Más detalles

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Álgebra Lineal Escuela Politécnica Superior Universidad de Málaga Emilio Muñoz-Velasco (Basado en los apuntes de Jesús Medina e Inmaculada Fortes)

Más detalles

Prácticas Tema 5. Ampliaciones del Modelo lineal básico

Prácticas Tema 5. Ampliaciones del Modelo lineal básico Prácticas Tema 5. Ampliaciones del Modelo lineal básico Ana J. López y Rigoberto Pérez Dpto. Economía Aplicada, Universidad de Oviedo PRÁCTICA 5.1. Se ha examinado la evolución reciente de las ventas de

Más detalles

Series de Tiempo Estacionarias

Series de Tiempo Estacionarias Series de Tiempo Estacionarias Pablo Lavado Universidad del Pacíco April 2, 2013 Lavado (Universidad del Pacíco) Econometría II April 2, 2013 1 / 1 Procesos Estocásticos Discretos (PED) Un PED es una sucesión

Más detalles

Econometría II. Ejercicios propuestos

Econometría II. Ejercicios propuestos Econometría II Ejercicios propuestos Román Salmerón Gómez Multicolinealidad 1. En el modelo de regresión Y t = β 1 + β 2 X t + β 3 Z t + u t se verifica que X t = 1 2 Z t. Qué parámetros son estimables?

Más detalles

7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño

7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño 7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores

Más detalles

Econometria de Datos en Paneles

Econometria de Datos en Paneles Universidad de San Andres Agosto de 2011 Porque paneles? Ejemplo (Cronwell y Trumbull): Determinantes del crimen y = g(i), y = crimen, I = variables de justicia criminal. Corte transversal: (y i, I i )

Más detalles

Errores de especificación

Errores de especificación CAPíTULO 5 Errores de especificación Estrictamente hablando, un error de especificación es el incumplimiento de cualquiera de los supuestos básicos del modelo lineal general. En un sentido más laxo, esta

Más detalles

MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES

MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES Departamento de Matemática Aplicada II EEI ÁLGEBRA Y ESTADÍSTICA Boletín n o 1 (2010-2011 MATRICES,DETERMINANTES Y SISTEMAS DE ECUACIONES LINEALES 1 Sean A, B, C, D y E matrices de tamaño 4 5, 4 5, 5 2,

Más detalles

Estadística Diplomado

Estadística Diplomado Diplomado HRB UNAM 1 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 / 25 1 Estimación Puntual Momentos Máxima Verosimiltud Propiedades 2 Estimación por Intervalos Cantidades Pivotales

Más detalles

Econometría Aplicada

Econometría Aplicada Econometría Aplicada Inferencia estadística, bondad de ajuste y predicción Víctor Medina Intervalos de confianza Intervalos de confianza Intervalos de confianza Intervalos de confianza La pregunta que

Más detalles

Econometría II Grado en finanzas y contabilidad

Econometría II Grado en finanzas y contabilidad Econometría II Grado en finanzas y contabilidad Metodología Box-Jenkins Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es un resumen/modificación de la documentación elaborada

Más detalles

TEMA 2 Diseño de experimentos: modelos con varios factores

TEMA 2 Diseño de experimentos: modelos con varios factores TEMA 2 Diseño de experimentos: modelos con varios factores José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Análisis de Datos - Grado en Biología Esquema del tema Modelo bifactorial

Más detalles

Tema 3: El modelo de regresión lineal múltiple

Tema 3: El modelo de regresión lineal múltiple Econometría 1 curso 2009-2010 Tema 3: El modelo de regresión lineal múltiple Genaro Sucarrat (Departamento de Economía, UC3M) http://www.eco.uc3m.es/sucarrat/ Recordamos: El modelo de regresión lineal

Más detalles

Examen de Matemáticas II (Junio 2014) Selectividad-Opción A Tiempo: 90 minutos

Examen de Matemáticas II (Junio 2014) Selectividad-Opción A Tiempo: 90 minutos Examen de Matemáticas II (Junio 04) Selectividad-Opción A Tiempo: 90 minutos Problema (3 puntos) Dadas las matrices α β γ x 0 A = γ 0 α ; X = y ; B = 0 O = 0 β γ z 0 se pide: (,5 puntos). Calcula α, β

Más detalles

Econometría II. Hoja de Problemas 1

Econometría II. Hoja de Problemas 1 Econometría II. Hoja de Problemas 1 Nota: En todos los contrastes tome como nivel de significación 0.05. 1. SeanZ 1,...,Z T variables aleatorias independientes, cada una de ellas con distribución de Bernouilli

Más detalles

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis

TODO ECONOMETRIA. Bondad del ajuste Contraste de hipótesis TODO ECONOMETRIA Bondad del ajuste Contraste de hipótesis Índice Bondad del ajuste: Coeficiente de determinación, R R ajustado Contraste de hipótesis Contrastes de hipótesis de significación individual:

Más detalles

Tema 5. Introducción a los modelos de ecuaciones estructurales o modelos causales

Tema 5. Introducción a los modelos de ecuaciones estructurales o modelos causales Tema 5. Introducción a los modelos de ecuaciones estructurales o modelos causales 5.1 Introducción a los modelos de ecuaciones el planteamiento LISREL. 5.2. Fases en la elaboración de un modelo. 5.2.1.

Más detalles

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8.

MODELO DE RESPUESTAS Objetivos 2, 3, 4, 5, 6, 7, Y 8. UNIVERSIDAD NACIONAL ABIERTA ESTADÍSTICA GENERAL 745) VICERRECTORADO ACADÉMICO INTEGRAL ÁREA DE MATEMÁTICA Fecha: 17/ 01 /009 MODELO DE RESPUESTAS Objetivos, 3, 4, 5, 6, 7, Y 8. OBJ. 1 PTA 1 Una compañía

Más detalles

7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE

7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago

Más detalles

Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística

Regresión lineal. Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Regresión lineal Marcelo Rodríguez Ingeniero Estadístico - Magíster en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I 01 de enero de 2012

Más detalles

y x Estimar por MCO un modelo lineal entre la variable explicada (y) y las

y x Estimar por MCO un modelo lineal entre la variable explicada (y) y las Ejercicio MLG Disponemos de los siguientes datos y x x3 7 6 0 4 3 7 8 6 3 6 6 5 8 9 8 Se pide. Estimar por MCO un modelo lineal entre la variable explicada (y) y las explicativas (x).. Comprobar que el

Más detalles