Curso Básico de Eviews Regresión lineal general - Regresión múltiple Rolly Vasquez February 13, 2021 1 Mínimos cuadrad
Views 113 Downloads 0 File size 65KB
Curso Básico de Eviews Regresión lineal general - Regresión múltiple Rolly Vasquez February 13, 2021
1
Mínimos cuadrados ordinarios (MCO)
Este metodo de estimacion de parametros minimiza los errores al cuadrado del modelo. Si tenemos el MLS. Y =
1
+
2 X2
+U
en el cual se quiere encontrar los parámetros, la formula de MCO es. ^ = 2 ^1 = Y
xy x2 X
Variable con desvios: yi = Yi Y Variable con desvios: y^i = Y^i Y Variable con desvios: xi = Xi X Modelo con desvios: y = x + u
2
Supuestos del modelo econometrico
El modelo econometrico clasico se basa en los siguientes supuestos.
2.1
Linealidad enlos parametros Y =
1
+
2.2
Valores …jos de X
2.3
Valor esperado de u es cero
2 X2
E(U ) = 0 1
+U
2.4
Homocedasticidad
Planteamiento de Hipótesis Ho: El modelo es homocedastico H1: El modelo No homocedastico ( Heterocedasticidad)
2.5
No autocorrelación
Planteamiento de Hipótesis Ho: El modelo no presenta autocorrelacion H1: El modelo presenta autocorrelacion
2.6
Número de observaciones mayor al de los parámetros
2.7
Naturaleza de la variable x
3
Propiedades del los estimadores
M CO
Estas propiedades las plantea Gauss Markov conocidas como MELI
3.1
Linealidad
3.2
Insesgado
3.3
Varianza mínima
4
Simulación de montecarlo
En l practica se utiliza simulacion para probar dichos supuestos de MELI.
5
Supuesto de normalidad
Ho: Los errores del modelo siguen una distribucion normal H1: Los errores del modelo NO siguen una distribucion normal = 5% = 0:05 Regla desc.: pvalor 5% Entonces NO rechazo la Ho Valor esperado E(ui ) = 0 Varianza E(u2i ) =
2
Covarianza E(ui uj ) = 0; i 6= j
2
Y =
1
ui
+
2 X2
2
N (0;
+u )
y = f (u) ui yi
N ID(0; N(
1
+
E(Yi ) =
1
2
)
2 Xi ;
2
)
Conocemos: +
V ar(Yi ) =
2 Xi
2
Sabemos que y esta en funcion de u entonces: Yi
N(
1
+
2 Xi ;
2
)
Esto simpli…ca la tarea de establecer intervalos de con…anza y pruebas estadisticas de hipótesis.
6
Estimación máxima verosimilitud 2
Varianza MCO Varianza MV
6.1
2
=
=
u ^2i (n 2) u2i n
insesgado
sesgado, pero sintoticamente es asintotica.
Coe…ciente de determinacion R2 Y^ = ^ 1 + ^ 2 X2 P
2
R2 = P yy^2 =99.8% La variavilidad de X2 afecta a la variavilidad del modelo en 99.8%. La variavilidad de X2 afecta a la variavilidad de Y^ en 99.8%. El modelo esta explicado en 99.8%
3