Tema 5: Incumplimiento de las Hipótesis sobre el Término de Perturbación
|
|
- Laura Jiménez Moreno
- hace 7 años
- Vistas:
Transcripción
1 Tema 5: Incumplmento de las Hpótess sobre el Térmno de Perturbacón
2 TEMA 5: INCMPLIMIENTO DE LAS HIPÓTESIS SOBRE EL TÉRMINO DE PERTRBACIÓN 5.) Introduccón 5.) El Modelo de Regresón Lneal Generalzado 5.3) Estmacón por Mínmos Cuadrados Generalzados 5.4) El Contraste de Normaldad de Jarque-Bera
3 5.) Introduccón - Incumplmento de las Hpótess del Modelo de Regresón Lneal Clásco (MRLC): El Modelo de Regresón Lneal Generalzado (MRLG). - La Matrz de Varanzas-Covaranzas en un MRLG. - Tpos de Modelos en el MRLG: Modelo Heterocedástco Modelo con Autocorrelacón Modelo con Problemas de Heterocedastcdad y Autocorrelacón 3
4 5.) Introduccón Hpótess del Modelo de Regresón Lneal Clásco: La Matrz de Regresores X es NO ESTOCÁSTICA Hpótess NO hay OMISIÓN DE VARIABLES RELEVANTES n INCLSIÓN DE VARIABLES SPERFLAS. NO exste MLTICOLINEALIDAD PERFECTA. Rang( X ) K + 4
5 5.) Introduccón Hpótess del Modelo de Regresón Lneal Clásco: Hpótess LA PERTRBACIÓN DEL MODELO SE COMPORTA COMO NA VARIABLE ALEATORIA RIDO BLANCO (perturbacón esférca). E( ) 0; E( ) σ ; u Homocedastcdad E( s ) 0; s Incorrelacón Matrz de Varanzas- Covaranzas de [ ' ] σ I V ( ) E Matrz Escalar 5
6 5.) Introduccón Hpótess del Modelo de Regresón Lneal Clásco: La Forma Funconal del Modelo es Lneal Hpótess 3 Y β0 + β X βk XK + o Y X β + Hpótess 4 Se asume Normaldad de las Perturbacones d N (0, σ o d N( ϑ, σ I) ) 6
7 5.) Introduccón El MRLG será aquel Modelo que verfque TODAS las Hpótess del Modelo de Regresón Lneal Clásco excepto la Hpótess. Modelo de Regresón Lneal Clásco Modelo de Regresón Lneal Generalzado VarableAleatora Rudo Blanco VarableAleatora No Rudo Blanco E( ) 0; E( ) 0; E( ) σ ; u E σ ( ) ; o algún E( s ) 0; s E ( ) 0; o algún s s [ ' ] σ I V ( ) E V ( ) Matrz No Escalar Matrz Escalar 7
8 5.) Introduccón La Matrz de Varanzas-Covaranzas de las Perturbacones en un MRLG será V ( ) [ ] ' σ Ω E Matrz No Sngular Ω I Ω S MRLG MRLC Matrz Semdefnda Postva 8
9 5.) Introduccón Tpos de MRLG: Modelo con Problemas de Heterocedastcdad: E σ σ ( ) ; o algún Modelo con Problemas de Autocorrelacón: E ( ) 0; o algún s s 3 Modelo con Problemas de Heterocedastcdad y Autocorrelacón: E σ σ ( ) ; o algún y E ( ) 0; o algún s s 9
10 5.) El Modelo de Regresón Lneal Generalzado - Especfcacón del Modelo: Incumplmento Hpótess MRLC - Consecuencas de Aplcar MCO a un MRLG Son Estmadores Insesgados? Son Estmadores Óptmos? Podemos aplcar Inferenca Estadístca Tradconal? ES ADECADA LA ESTIMACIÓN MCO? 0
11 5.) El Modelo de Regresón Lneal Generalzado Modelo con No-Esférca Y β0 + β X βk XK + INCMPLIMIENTO E( ) σ ; E( s ) 0; s Supuesto de Homocedastcdad Supuesto de Incorrelacón POR TANTO E σ σ ( ) ; o algún HETEROCEDASTICIDAD E ( ) 0; o algún s s ATOCORRELACIÓN
12 5.) El Modelo de Regresón Lneal Generalzado MRLG (Modelo con Perturbacones No-Esférca) Y β0 + β X βk XK + E ( ) σ σ ; o algún E s ( ) 0; o algún s MCO βˆmco PREGNTA: MCO es el mejor procedmento para estmar los parámetros del Modelo?
13 5.) El Modelo de Regresón Lneal Generalzado Consecuencas de Aplcar MCO en un MRLG: El EMCO es INSESGADO E( β ) ˆMCO β El EMCO NO es ÓPTIMO. Además, se verfca que V ( ˆ β MCO ) ( X ' X ) X ' Ω X ( X ' X ) σ ( X ' ) σ X S e' e n K SCE n K 3 es un estmador SESGADO de σ E ( ) S > σ 3
14 5.) El Modelo de Regresón Lneal Generalzado Consecuencas de Aplcar MCO en un MRLG: 4 5 S ( X ' X ) La Expresón no es adecuada para estmar la Matrz de Varanzas-Covaranzas V (βˆ) Los Estadístcos empleados para realzar Contrastes de Hpótess y construr Intervalos de Confanza no podrán ser empleados. MRLG - Lneal MCO βˆmco - Insesgado - Consstente EMCO NO ADECADA - NO ÓPTIMO Mínmos Cuadrados Generalzados 4
15 5.3) Estmacón por Mínmos Cuadrados Generalzados - Estmacón por Mínmos Cuadrados Generalzados (EMCG). Procedmento - Propedades de los Estmadores Mínmo Cuadrátcos Generalzados: Lneales Insesgados Consstentes Óptmos - Problemas - Solucón: Transformar el Modelo - La Predccón con MCG 5
16 5.3) Estmacón por Mínmos Cuadrados Generalzados ( X X ) ' Ω X ' Ω Y ˆ MCG β Mínmos Cuadrados Generalzados Matrz de Varanzas-Covaranzas V ( ˆ) β σ ( ' ) X Ω X n estmador nsesgado del parámetro desconocdo es ~ e Y ~ S MCG ~ ' e Ω n K En donde es el RESIDO MÍNIMO CADRÁTICO GENERALIZADO. X βˆ MCG ~ e σ 6
17 5.3) Estmacón por Mínmos Cuadrados Generalzados De dónde se obtenen los Mínmos Cuadrados Generalzados? mn { ˆ β } MCG SCE MCG e~ ' Ω ~ e SOLCIÓN: ( X X ) ' Ω X ' Ω Y ˆ MCG β (DEMOSTRACIÓN) S Ω I ˆ β ˆ MCG β MCO 7
18 5.3) Estmacón por Mínmos Cuadrados Generalzados Propedades de los Estmadores Mínmos Cuadrados Generalzados El EMCG es LINEAL (Demostracón) El EMCG es INSESGADO (Demostracón) 3 El EMCG es CONSISTENTE (Demostracón) 4 La Matrz de Varanzas-Covaranzas de es V βˆmcg ( ˆ ) ( ' ) β X Ω X MCG σ 5 El EMCG es ÓPTIMO: En el contexto de un MRLG, el estmador lneal e nsesgado de menor varanza será el que se obtene medante el método de MCG. 8
19 5.3) Estmacón por Mínmos Cuadrados Generalzados Modelo de Regresón Lneal Generalzado Y X β + E E ( ) σ σ ; o algún ( ) 0; o algún s s ( X X ) ' Ω X ' Ω Y ˆ MCG β ELIO: Estmador Lneal, Insesgado y Óptmo. Con qué Problemas nos encontramos a la hora de calcular? βˆmcg Tenemos que Estmar Ω Tenemos que Invertr Ωˆ Ωˆ Ωˆ SOLCIÓN: Transformar el MRLG en un MRLC y aplcar MCO 9
20 5.3) Estmacón por Mínmos Cuadrados Generalzados MODELO Y X β + APLICAR MCO MRLC? MRLG? EMCO: Lneal, Insesgado, Consstente, Óptmo. EMCO: Lneal, Insesgado, Consstente, NO ÓPTIMO ˆ SOLCIÓN MCG: βmcg ( X ' Ω X ) X ' Ω Y PROBLEMA: Ω? ˆ EMCG: Lneal, Insesgado, Consstente, ÓPTIMO MCOMCG SOLCIÓN Transformar el MRLG en un MRLC y aplcar MCO * * Y X β + * 0
21 5.3) Estmacón por Mínmos Cuadrados Generalzados Ω Transformar un MRLG en un MRLC Teorema: S es una matrz defnda postva, entonces exste una matrz P nxn de transformacón no sngular que cumple que P Ω P' I Corolaro: P' P Ω (Demostracón)
22 5.3) Estmacón por Mínmos Cuadrados Generalzados Transformar un MRLG en un MRLC Modelo de Regresón Generalzado Y X β + E( ) 0 E( ') σ Ω Se premultplca el modelo por P E( * ) 0 P Y P X β + P Y X * * * PY P X P * * Y X β + * MRLC * * E( ') σ I
23 5.3) Estmacón por Mínmos Cuadrados Generalzados Transformar un MRLG en un MRLC * * Y X β + * El Modelo Transformado verfca las Hpótess del MRLC sobre el Térmno de Perturbacón E( * ) 0 * * E( ') σ I (demostracón) (demostracón) APLICAR MCO * ˆMCO β ˆ β * ˆ MCO βmcg (demostracón) S * ~ MCO S MCG ( * ) 3 Vˆ ˆ β ˆ( ˆ β ) MCO V MCG (demostracón) (demostracón) 3
24 5.3) Estmacón por Mínmos Cuadrados Generalzados La Predccón en un MRLG Yˆ n+ h X ' n+ h βˆ MCO PROBLEMA En un MRLG la estmacón MCO NO ES ÓPTIMA ˆ Y n + h NO ES N PREDICTOR ÓPTIMO 4
25 5.3) Estmacón por Mínmos Cuadrados Generalzados La Predccón en un MRLG CÁL ES EL PREDICTOR ÓPTIMO EN N MRLG? Y ' X ˆ + h n+ h βmcg + W ' ˆn V ~ e ( ) W E n + h e~ Vector que contene las covaranzas de las perturbacones en cada momento muestral y la perturbacón en (n+h) es el resduo de la estmacón MCG V ( ') σ Ω E es la Matrz de Varanzas-Covaranzas de 5
26 5.4) El Contraste de Normaldad de Jarque-Bera - Objetvo - Importanca de Verfcar la Normaldad de - Funconamento Contraste de Hpótess Test de Jarque-Bera (JB) Conceptos Smetría Apuntalamento Regla de Decsón 6
27 5.4) El Contraste de Normaldad de Jarque-Bera OBJETIVO Verfcar s la Perturbacón del Modelo de regresón () sgue una Dstrbucón Normal. IMPORTANCIA S sgue una dstrbucón Normal βˆ Sgue dstrbucón Normal una INFERENCIA ESTADÍSTICA Contraste de Hpótess Intervalos de Confanza 7
28 8 5.4) El Contraste de Normaldad de Jarque-Bera TEMA 5: Incumplmento de las Hpótess sobre FNCIONAMIENTO Contraste de Hpótess Dstrbucón Normal NO sgue una : Dstrbucón Normal sgue una : 0 H H Test Estadístco ( ) 4 3 ˆ 6 ˆ χ + d c a N JB 3 3 ˆ N N e e N a 4 ˆ N N e e N c Coefcente Asmetría Coefcente Curtoss
29 5.4) El Contraste de Normaldad de Jarque-Bera REGLA DE DECISIÓN RECHAZAR LA HIPÓTESIS NLA DE NORMALIDAD DE LAS PERTRBACIONES DEL MODELO SI JB > χ, α Regón Aceptacón ( α ) χ, α α 9
Tema 3: Procedimientos de Constrastación y Selección de Modelos
Tema 3: Procedmentos de Constrastacón y Seleccón de Modelos TEMA 3: PROCEDIMIENTOS DE CONTRASTACIÓN Y SELECCIÓN DE MODELOS 3) Introduccón a los Modelos con Restrccones Estmacón Restrngda 3) Contrastes
Más detallesTema 8: Heteroscedasticidad
Tema 8: Heteroscedastcdad Máxmo Camacho Máxmo Camacho Econometría I - ADE+D / - Tema 8 Heteroscedastcdad Bloque I: El modelo lneal clásco r Tema : Introduccón a la econometría r Tema : El modelo de regresón
Más detallesEspecialista en Estadística y Docencia Universitaria REGRESION LINEAL MULTIPLE
Especalsta en Estadístca y Docenca Unverstara REGRESION LINEAL MULTIPLE El modelo de regresón lneal múltple El modelo de regresón lneal múltple con p varables predctoras y basado en n observacones tomadas
Más detalles6 Heteroscedasticidad
6 Heteroscedastcdad Defncón casas de heteroscedastcdad Defncón: la varanza de la pertrbacón no es constante. Casas: a natraleza de la relacón entre las varables Ejemplo : relacón gasto-renta; Hogares con
Más detallesTema 2: El modelo clásico de regresión
CURSO 010/011 Tema : El modelo clásco de regresón Aránzazu de Juan Fernández ECONOMETRÍA I ESQUEMA DEL TEMA Presentacón del modelo Hpótess del modelo Estmacón MCO Propedades algebracas de los estmadores
Más detallesCURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesInferencia en Regresión Lineal Simple
Inferenca en Regresón Lneal Smple Modelo de regresón lneal smple: Se tenen n observacones de una varable explcatva x y de una varable respuesta y, ( x, y)(, x, y),...,( x n, y n ) el modelo estadístco
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesPRÁCTICA 16: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general). 3. En el modelo lneal general Y = X b + e, explcar la forma
Más detallesMuestra: son datos de corte transversal correspondientes a 120 familias españolas.
Capítulo II: El Modelo Lneal Clásco - Estmacón Aplcacones Informátcas 3. APLICACIONES INFORMÁTICAS Fchero : cp.wf (modelo de regresón smple) Seres: : consumo famlar mensual en mles de pesetas RENTA: renta
Más detallesMínimos Cuadrados Generalizados
Mínimos Cuadrados Generalizados Román Salmerón Gómez Los dos últimos temas de la asignatura han estado enfocados en estudiar por separado la relajación de las hipótesis de que las perturbaciones estén
Más detallesAnálisis cuantitativo aplicado al Comercio Internacional y el Transporte
Máster de Comerco, Transporte y Comuncacones Internaconales Análss cuanttatvo aplcado al Comerco Internaconal y el Transporte Ramón úñez Sánchez Soraya Hdalgo Gallego Departamento de Economía Introduccón
Más detallesHETEROSCEDASTICIDAD. Eco. Douglas C. Ramírez V. 1) INTRODUCCIÓN
HETEROSCEDASTICIDAD Eco. Douglas C. Ramírez V. 1) INTRODUCCIÓN Las propedades de los estmadores mínmos cuadrátcos de los coefcentes de regresón dependen de las propedades del termno de perturbacón del
Más detallesEJERCICIOS. Ejercicio 1.- Para el modelo de regresión simple siguiente: Y i = βx i + ε i i =1,..., 100. se tienen las siguientes medias muestrales:
EJERCICIOS Tema 2: MODELO DE REGRESION LINEAL SIMPLE Ejercco 1.- Para el modelo de regresón smple sguente: Y = βx + ε =1,..., 100 se tenen las sguentes medas muestrales: ( P y ) /n =0.3065 ( P y 2 ) /n
Más detallesEstadística con R. Modelo Probabilístico Lineal
Estadístca con R Modelo Probablístco Lneal Modelo Probablístco Lneal Forma de la funcón: Y b 0 +b 1 X +e Varable dependente, endógena o a explcar dcotómca : Y, S Y 0 e -b 0 - b 1 X con probabldad p. S
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesLas hipótesis en las que vamos a basar el funcionamiento del Modelo Lineal General
CAPÍULO. EL MODELO LINEAL GENERAL. Introduccón. Hpótess del modelo Las hpótess en las que vamos a basar el funconamento del Modelo Lneal General son las sguentes. Suponemos que tenemos una muestra de valores
Más detallesCONTRASTES DE HIPÓTESIS EN DATOS DE PANEL
Contrastes de hpótess en datos de panel COTRASTES DE HIPÓTESIS E DATOS DE PAEL Cobacho Tornel Mª Belén Unversdad Poltécnca de Cartagena Bosch Moss Marano London School of Economcs RESUME Una de las prncpales
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detalles1.Variables ficticias en el modelo de regresión: ejemplos.
J.M.Arranz y M.M. Zamora.Varables fctcas en el modelo de regresón: ejemplos. Las varables fctcas recogen los efectos dferencales que se producen en el comportamento de los agentes económcos debdo a dferentes
Más detallesEfectos fijos o aleatorios: test de especificación
Cómo car?: Montero. R (2011): Efectos fjos o aleatoros: test de especfcacón. Documentos de Trabajo en Economía Aplcada. Unversdad de Granada. España Efectos fjos o aleatoros: test de especfcacón Roberto
Más detallesMÍNIMOS 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 detallesTema 2. Heterocedasticidad. 1 El modelo de regresión lineal con errores heterocedásticos
ema 2. Heterocedasticidad. El modelo de regresión lineal con errores heterocedásticos En este tema vamos a analizar el modelo de regresión lineal Y t = X tβ + u t, donde X t = (X t, X 2t,.., X kt y β =
Más detallesANÁLISIS 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 detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesEstadística II - Modelos lineales: Ficha nº6 Heterocedasticidad en el modelo de regresión lineal
Estadístca II - Modelos lneales: Fcha nº6 Heterocedastcdad en el modelo de regresón lneal Materal ddáctco para el curso de Estadístca II del Programa de Doctorado en Cenca ocal Tabaré Fernández Aguerre
Más detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesMODELOS DE ELECCIÓN BINARIA
MODELOS DE ELECCIÓN BINARIA Econometría I UNLP http://www.econometra1.depeco.econo.unlp.edu.ar/ Modelos de Eleccón Bnara: Introduccón Estamos nteresados en la probabldad de ocurrenca de certo evento Podemos
Más detallesREGRESION Y CORRELACION
nav Estadístca (complementos) 1 REGRESION Y CORRELACION Fórmulas báscas en la regresón lneal smple Como ejemplo de análss de regresón, descrbremos el caso de Pzzería Armand, cadena de restaurantes de comda
Más detallesLo que nos interesa en el análisis de varianza de una vía es extender el test t para dos muestras independientes, para comparar más de dos muestras.
Capítulo : Comparacón de varos tratamentos o grupos Muchas preguntas de nvestgacón en educacón, pscología, negocos, ndustra y cencas naturales tenen que ver con la comparacón de varos grupos o tratamentos.
Más detallesTEMA 3. VARIABLE ALEATORIA
TEMA 3. VARIABLE ALEATORIA 3.. Introduccón. 3... Dstrbucón de Probabldad de una varable aleatora 3... Funcón de Dstrbucón de una varable aleatora 3.. Varable aleatora dscreta 3... Funcón masa de probabldad
Más detallesTEMA 2: Propiedades de los estimadores MCO
TEMA 2: Propiedades de los estimadores MCO Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 2: Pdades de los estimadores MCO Curso
Más detallesMínimos Cuadrados Generalizados
Tema 2 Mínimos Cuadrados Generalizados 2.1. Modelo de regresión con perturbaciones no esféricas En el tema de Mínimos Cuadrados Generalizados vamos a relajar dos de las hipótesis básicas sobre la perturbación.
Más detallesRegresión y Correlación Métodos numéricos
Regresón y Correlacón Métodos numércos Prof. Mguel Hesquo Garduño. Est. Mrla Benavdes Rojas Depto. De Ingenería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.mx mbenavdesr5@gmal.com Regresón lneal El
Más detallesTEMA 3: PROPIEDADES DEL ESTIMADOR MCO
TEMA 3: PROPIEDADES DEL ESTIMADOR MCO S. Álvarez, A. Beyaert, M. Camacho, M. González, A. Quesada Departamento de Métodos Cuantitativos para la Economía y la Empresa Econometría (3º GADE) Lo que estudiaremos
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesEconometría 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 detallesEconometría. Ayudantía # 01, Conceptos Generales, Modelo de Regresión. Profesor: Carlos R. Pitta 1
Escuela de Ingenería Comercal Ayudantía # 01, Conceptos Generales, Modelo de Regresón Profesor: Carlos R. Ptta 1 1 cptta@spm.uach.cl Escuela de Ingenería Comercal Ayudantía 01 Parte 01: Comentes Señale
Más detallesFUNCIÓN DE PRECIOS HEDÓNICOS EN EL MERCADO DE LA VIVIE
FUNCIÓN DE PRECIOS HEDÓNICOS EN EL MERCADO DE LA VIVIE Iván vancorujo@ho Resumen El preco de la vvenda afecta tanto a los ndvduos que demandan servcos de como a los que desean comprar una. La pregunta
Más detallesTema 4 MODELOS CON DATOS DE RECUENTO
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 Tema 4 MODELOS CON DATOS DE RECUENTO 1. Datos de recuento: ejemplos 2. Por qué utlzamos modelos específcos para datos de recuento? 3. Modelo Posson 4. Modelo
Más detallesTODO ECONOMETRIA. Variables cualitativas
TODO ECONOMETRIA Varables cualtatvas Índce Defncón de las varables dummy (o varables fctcas) Regresón con varables explcatvas dummy Varables dummy S queremos estudar s los hombres ganan más que las mujeres,
Más detallesECONOMETRÍA II Prof.: Begoña Álvarez TEMA 1 INTRODUCCIÓN. Estimación por máxima verosimilitud y conceptos de teoría asintótica
ECONOMETRÍA II Prof.: Begoña Álvarez 2007-2008 TEMA 1 INTRODUCCIÓN Estimación por máxima verosimilitud y conceptos de teoría asintótica 1. ESTIMACIÓN POR MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD) La estimación
Más detallesDepartamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Más detallesEL MODELO DE REGRESIÓN LINEAL SIMPLE
Unversdad Carlos III de Madrd César Alonso ECONOMETRIA EL MODELO DE REGRESIÓN LINEAL SIMLE Índce 1. Relacones empírcas y teórcas......................... 1 2. Conceptos prevos................................
Más detallesTEMA VI: EL MODELO DE REGRESIÓN LINEAL MÚLTIPLE
ESADÍSICA II EMA VI: EL MODELO DE REGRESIÓN LINEAL MÚLIPLE VI.1.- Introducción. VI..- Hipótesis básicas del modelo de regresión lineal múltiple. VI.3.- El estimador mínimo cuadrático ordinario del modelo
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS FACULTAD DE CIENCIAS MATEMÁTICAS E.A.P. DE..ESTADÍSTICA La fecunddad y su relacón con varables socoeconómcas, demográfcas y educatvas aplcando el Modelo de Regresón
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesPronósticos, Series de Tiempo y Regresión. Capítulo 4: Regresión Lineal Múltiple
Pronósticos, Series de Tiempo y Regresión Capítulo 4: Regresión Lineal Múltiple Temas Modelo de regresión lineal múltiple Estimaciones de Mínimos Cuadrados Ordinarios (MCO); estimación puntual y predicción
Más detallesCyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.
CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón
Más detallesEconometria 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 detallesOptimización no lineal
Optmzacón no lneal José María Ferrer Caja Unversdad Pontfca Comllas Planteamento general mn f( x) x g ( x) 0 = 1,..., m f, g : n R R La teoría se desarrolla para problemas de mnmzacón, los problemas de
Más detallesX R = R Y. Aproximación del sesgo del estimador de la razón, (N n) 2 y S xy. NnY 2 ( (N n) y s xy
1 Estmadores de razón Estmadores de los parámetros usuales, Para el total de X, Para la meda de X, X R = R Y X R = R Y Aproxmacón del sesgo del estmador de la razón, B R N n NnY que podemos estmar a partr
Más detallesEJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL.
EJERCICIOS DE ESTADÍSTICA BIDIMENSIONAL. 1. Una cofradía de pescadores regstra la cantdad de sardnas que llegan al puerto (X), en klogramos, el preco de la subasta en la lonja (Y), en euros por klo, han
Más detallesEstadística 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 detallesRelación 2: Regresión Lineal.
Relacón 2: Regresón Lneal. 1. Se llevó a cabo un estudo acerca de la cantdad de azúcar refnada (Y ) medante un certo proceso a varas temperaturas dferentes (X). Los datos se codfcan y regstraron en el
Más detallesRegresión Binomial Negativa
Regresón Bnomal Negatva Resumen El procedmento Regresón Bnomal Negatva está dseñado para ajustar un modelo de regresón en el cual la varable dependente Y consste de conteos. El modelo de regresón ajustado
Más detallesEXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 2005 Prof. Rafael de Arce
EXAMEN ECONOMETRÍA I GRUPO 53 - DADE 8 de septiembre de 005 Prof. Rafael de Arce NOMBRE: DNI: PARTE I.- TEST 1. La hipótesis de rango pleno en el MBRL supone: Que las variables explicativas no tengan ninguna
Más detallesT2. 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 detallesAlgunas aplicaciones del test del signo
43 Algunas aplcacones del test del sgno Test de Mc emar para sgnfcacón de cambos: En realdad este test se estuda en detalle en Métodos no Paramétrcos II, en el contexto de las denomnadas Tablas de Contngenca.
Más detallesTema 1. El Modelo de Regresión Lineal con Regresores Aleatorios.
ema El Modelo de Regresión Lineal con Regresores Aleatorios Introducción En este tema vamos a analizar las propiedades del modelo de regresión lineal con regresores aleatorios Suponer que los regresores
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesExamen de Introducción a la Econometría 8 de septiembre de 2008
NOMBRE DNI: GRUPO Firma: MODELO 1: SOLUCIONES Examen de Introducción a la Econometría 8 de septiembre de 008 Sólo una respuesta es válida. Debe justificar la respuesta de cada pregunta en el espacio que
Más detallesUNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Fundada en 1551
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS Fundada en 55 FACULTAD DE CIENCIAS MATEMÁTICAS EAP DE ESTADÍSTICA ESTIMACIÓN DE LA OCURRENCIA DE INCIDENCIAS EN DECLARACIONES DE PÓLIZAS DE IMPORTACIÓN INFORME
Más detalleses un vector de p covariables correspondientes al mismo individuo i, i 1,,n.
5. Modelos de regresón En el análss de tempos de falla, es común suponer que el resgo de presentar la falla está en funcón de una sere de covarables o varables explcatvas nherentes a cada ndvduo. Es decr,
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesObjetivos. Contenidos. Cátedra I Estadística II Autor I Gerardo Heckmann
ANALISIS DE ASOCIACION ENTRE VARIABLES. REGRESION Objetvos Presentar el modelo de regresón lneal smple como herramenta para estmar medas condconales y predecr los valores de una varable en funcón de la
Más detalles1. Introducción 1.1. Análisis de la Relación
. Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detallesTema 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 detallesCampo eléctrico. Líneas de campo. Teorema de Gauss. El campo de las cargas en reposo. Campo electrostático
qco sθ qz Ez= 4 zπε0 2+ R2 = 4πε0 [z2 +R2 ]3/ 2 El campo de las cargas en reposo. Campo electrostátco ntroduccón. Propedades dferencales del campo electrostátco. Propedades ntegrales del campo electromagnétco.
Más detallesModelos dinámicos de datos de panel.
Modelos dnámcos de datos de panel. Sga J.Muro(8/12/2003) 1 Modelos dnámcos de datos de panel (lneales). Relajacón del supuesto de exogenedad estrcta de los regresores. Planteamento general. Consecuencas
Más detallesEconometría 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 detallesEjemplo 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 detallesPerturbación de los valores propios simples de matrices de polinomios dependientes diferenciablemente de parámetros
Perturbacón de los valores propos smples de matrces de polnomos dependentes dferencablemente de parámetros M Isabel García-Planas 1, Sona Tarragona 2 1 Dpt de Matemàtca Aplcada I, Unverstat Poltècnca de
Más detallesLos estimadores mínimo cuadráticos bajo los supuestos clásicos
Los estimadores mínimo cuadráticos bajo los supuestos clásicos Propiedades estadísticas e inferencia Mariana Marchionni marchionni.mariana@gmail.com Mariana Marchionni MCO bajo los supuestos clásicos 1
Más detallesRegresión Cuantílica o Quantile Regression
Regresón Cuantílca o Quantle Regresson A. Cameron and P. rved, (005), Macroeconometrcs, Methods and Applcatons, Cambrdge Unversty Press. R. Koenker, (005), Quantle Regresson, Econometrc Socety Monographs
Más detallesMediante el uso del álgebra matricial, los resultados fundamentales en econometría se presentan de manera compacta y clara.
MI Ingenería Comercal RPASO D MATRICS Medante el uso del álgebra matrcal, los resultados fundamentales en econometría se presentan de manera compacta clara. Una matrz es una coleccón de números ordenados
Más detallesTODO 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 detallesRegresión Logística. StatFolio Muestra: logistic.sgp
Regresón Logístca Resumen El procedmento de Regresón Logístca está dseñado para ajustarse a un modelo de regresón en el que la varable dependente Y caracterza un evento con sólo dos posbles resultados.
Más detallesRegresión 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 detallesINFERENCIA ESTADISTICA
1 INFERENCIA ESTADISTICA Es una rama de la Estadística que se ocupa de los procedimientos que nos permiten analizar y extraer conclusiones de una población a partir de los datos de una muestra aleatoria,
Más detalles2 Introducción a la inferencia estadística Introducción Teoría de conteo Variaciones con repetición...
Contenidos 1 Introducción al paquete estadístico S-PLUS 19 1.1 Introducción a S-PLUS............................ 21 1.1.1 Cómo entrar, salir y consultar la ayuda en S-PLUS........ 21 1.2 Conjuntos de datos..............................
Más detallesGuía del 1º Parcial. Econometría 4º curso. Licenciatura de Economía. USC ttp://www.usc.es/economet/econometria.htm
Guía de estudio del 1º Parcial. Econometría 4º Curso, Licenciatura de Economía. USC. 22-2-2013. Profesoras María del Carmen Guisán Seijas y Pilar Expósito Díaz. Bibliografía básica: Guisán, M.C. (1997)
Más detallesTEMA 3: Contrastes de Hipótesis en el MRL
TEMA 3: Contrastes de Hipótesis en el MRL Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 3: Contrastes de Hipótesis Curso 2011-12
Más detallesTema 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 detallesANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS
ANALISIS ESTADISTICO MINISTERIO DE ECONOMIA Y FINANZAS NOV 2015 PLAN DE ESTUDIO 1. ESTADISTICA DESCRIPTIVA 1. MEDIDAS DE TENDENCIA CENTRAL PRIMER MOMENTO 2. OTRAS MEDIDAS DE TENDENCIA CENTRAL 3. MEDIDAS
Más detallesCONTRASTE DE HIPÓTESIS
CONTRASTE DE HIPÓTESIS Antonio Morillas A. Morillas: Contraste de hipótesis 1 CONTRASTE DE HIPÓTESIS 1. Introducción 2. Conceptos básicos 3. Región crítica óptima i. Teorema de Neyman-Pearson ii. Región
Más detallesEjemplo: Consumo - Ingreso. Ingreso. Consumo. Población 60 familias
Ejemplo: Consumo - Ingreso Ingreso Consumo Poblacón 60 famlas ( YX ) P = x [ YX ] E = x Línea de regresón poblaconal 80 60 Meda Condconal 40 20 00 [ X = 200] EY o o o o [ X = 200] EY 80 o o o 60 o 40 8
Más detallesTEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE
TEMA III EL ANÁLISIS DE REGRESIÓN LINEAL MÚLTIPLE LECTURA OBLIGATORIA Regresón Lneal Múltple. En Ral, A. y Varela, J. (008). Estadístca Práctca para la Investgacón en Cencas de la Salud. Coruña: Netbblo.
Más detallesSOLUCIÓN EXAMEN IV Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/2004
Nombres: Apellidos: C.I.: Firma: Fecha: 19/11/004 MÉTODOS ESTADÍSTICOS I EXAMEN IV PARTE I: Encierre con un círculo la respuesta correcta (0,5 puntos c/u): 1. (V F) Los contrastes de hipótesis de dos muestras
Más detallesTécnicas de Análisis de Datos de Elección n Discreta
Técncas de Análss de Datos de Eleccón n Dscreta Sub-Gerenca de Investgacón GPR Vernes, 07 de abrl de 0006 Gerenca de Polítcas Regulatoras - GPR Organsmo Supervsor de Inversón Prvada en Telecomuncacones
Más detallesMÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I. Profesor: Noé Becerra Rodríguez.
MÓDULO X. LA DINÁMICA DE LA ECONOMÍA MUNDIAL PROGRAMA OPERATIVO MATEMÁTICAS ECONOMETRÍA I Profesor: Noé Becerra Rodríguez Objetivo general: Introducir los aspectos fundamentales del proceso de construcción
Más detallesRegresión y correlación simple 113
Regresón y correlacón smple 113 Captulo X ANALISIS DE REGRESION Y CORRELACION El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes
Más detallesConsumo de un estudiante granadino
Consumo de un estudante granadno Trabajo de Econometría 3º de GADE, grupo C María Teresa Penado García Ana Isabel Béjar Pérez Marna Herrero López ÍNDICE Introduccón y varables escogdas para realzar el
Más detallesAnálisis de Regresión y Correlación
1 Análss de Regresón y Correlacón El análss de regresón consste en emplear métodos que permtan determnar la mejor relacón funconal entre dos o más varables concomtantes (o relaconadas). El análss de correlacón
Más detalles