• Author / Uploaded
• Mashico Cardenas

Citation preview

Economía

Econometría I

UNIVERSIDAD DEL AZUAY

FACULTAD DE CIENCIAS ADMINISTRATIVAS

ESCUELA DE ECONOMÍA

“RESUMEN DEL CAPÍTULO 2 GUJARATI (ECONOMETRÍA I)”

“EJERCICOS DEL CAPÍTULO 2”

MARCELO CÁRDENAS SEMPERTEGUI.

FECHA: 25 DE OCTUBRE DEL 2019

Economía

Econometría I

Análisis de Regresión con Dos Variables

1. Regresión con Dos Variables Regresión bivariable o con 2 variables, la variable dependiente se relaciona con una sola variable explicativa. Se relaciona en gran medida con la estimación o predicción de la media (poblacional) o valor promedio de la variable dependiente con base en los valores conocidos o fijos de las variables explicativas. El analisis de regresion estima o predice la media de la poblacion o valor medio de mi variable dependiente, en base a valores cnocidos y fijos de la variable independiente.

Grafico 1. Distribución condicional del gasto en varios niveles de ingreso

Existe una variación considerable de en el consumo semanal de cada tipo de ingreso, el consumo se incrementa a medida que aumenta el ingreso.

2. Concepto de función de regresión poblacional (FRP) Esta función denota que el valor esperado de la distribución de “Y” dada “Xi” se relaciona funcionalmente con “Xi”, dicho de otro modo, dice como la media varía según “X”

Economía

Econometría I

β1 y β2 son parámetros no conocidos, pero son fijos y se denominan coeficientes de regresión “β1 y β2”.

3. Linealidad en las variables El concepto de linealidad es aquel en donde “Y” dependerá y estará en función de “Xi” la variable “X” deberá estar elevada a la potencia de grado 1 4. Linealidad en los parámetros El máximo exponente de β1 y β2 debe ser de grado 1 igualmente.

Tabla 1. Modelos de regresión lineal

5. Especificación estocástica de la FRP La desviación “u” es una variable aleatoria no observable que adopta valores positivos o negativos. Técnicamente, “ui” se conoce como perturbación estocástica o término de error estocástico. Representa las variables omitidas que afectan a “Yi” pero que no fueron consideradas en el modelo. Normalmente se utiliza la función de regresión muestral estocástica para estimar la función de regresión poblacional, pues, no siempre se tiene acceso a observaciones poblacionales. El termino de perturbación “u” desempeña una función crucial para estimar la función de regresión poblacional.